Katalog: 2301018
ht
tp :// w
w
w
.b p
s. go
.id
PEDOMAN PENGHITUNGAN PROYEKSI PENDUDUK DAN ANGKATAN KERJA
BADAN PUSAT STATISTIK, JAKARTA - INDONESIA
PEDOMAN PENGHITUNGAN
s. go
.id
PROYEKSI PENDUDUK
ht
tp :// w
w
w
.b p
DAN ANGKATAN KERJA
BADAN PUSAT STATISTIK, Jakarta –Indonesia
PEDOMAN PENGHITUNGAN PROYEKSI PENDUDUK DAN ANGKATAN KERJA
:
978-979-064-194-5
Katalog BPS
:
2301018
No. Publikasi
:
04140.1003
Ukuran Buku
:
21,5 cm x 29 cm
Naskah
:
s. go
.id
ISBN
:
w
Gambar Kulit
w
.b p
Sub Direktorat Statistik Mobilitas Penduduk dan Tenaga Kerja
tp :// w
Sub Direktorat Statistik Mobilitas Penduduk dan Tenaga Kerja
:
ht
Diterbitkan oleh
Badan Pusat Statistik
Dicetak oleh :
TIM PENULIS PEDOMAN PENGHITUNGAN PROYEKSI PENDUDUK DAN ANGKATAN KERJA
:
Wendy Hartanto
Editor
:
Rini Savitridina Ika Luswara Tri Windiarto
Penulis
:
Dendi Handiyatmo Idha Sahara Hasnani Rangkuti
:
Dendi Handiyatmo Idha Sahara Hasnani Rangkuti Yeni Farida Olivia Aprinae
:
Susmedi Aji Rohaeti
ht
Pengolah Data
tp :// w
w
w
.b p
s. go
.id
Pengarah
Perapihan Naskah
KATA PENGANTAR
Perencanaan pembangunan perlu ditunjang dengan data jumlah penduduk. Data yang diperlukan tidak hanya masa kini tetapi juga masa yang akan datang. Kebutuhan data masa kini dipenuhi dari hasil sensus atau survei kependudukan, dan kebutuhan data masa mendatang dipenuhi dari proyeksi penduduk yang semuanya dihitung oleh Badan Pusat Statistik (BPS). Proyeksi penduduk yang terakhir dibuat BPS adalah Proyeksi Penduduk 2005-2015 yang dihitung berdasarkan data Survei Penduduk Antar Sensus 2005. Berikutnya BPS akan kembali menghitung proyeksi berdasarkan data hasil lapangan yang terakhir yaitu hasil Sensus Penduduk 2010. BPS sudah beberapa kali membuat proyeksi penduduk berdasarkan data hasil sensus atau survei. Namun sampai saat ini belum ada buku panduan/pedoman yang menjelaskan
.id
langkah demi langkah yang dilakukan dalam menghitung proyeksi penduduk. Dengan
s. go
demikian, pedoman ini diharapkan dapat meningkatkan pemahaman mengenai proyeksi
.b p
penduduk.
Buku “Pedoman Penghitungan Proyeksi Penduduk dan Angkatan Kerja” merupakan
w
suatu ringkasan yang menjelaskan cara menghitung proyeksi penduduk menurut kelompok
tp :// w
w
umur yang dimulai dari penjelasan sumber data yang digunakan, evaluasi data, perapihan umur, penentuan asumsi, serta input dan output paket program fivsin yang digunakan. Selain proyeksi penduduk menurut kelompok umur, pedoman ini juga menyajikan cara menghitung
ht
proyeksi penduduk menurut umur tunggal dan kelompok umur tertentu, proyeksi penduduk menurut daerah perkotaan/perdesaan, serta proyeksi angkatan kerja. Akhirnya, kami sampaikan penghargaan setinggi-tingginya kepada semua pihak, yang berperan secara langsung maupun tidak dalam penyusunan buku ini. Mudah-mudahan, buku ini berguna bagi pembaca. Kritik dan saran sangat kami harapkan untuk perbaikan di masa mendatang.
Jakarta, Desember 2010 Kepala Badan Pusat Statistik
DR. Rusman Heriawan v
DAFTAR ISI Halaman KATA PENGANTAR .................................................................................................... v DAFTAR ISI ................................................................................................................. vii DAFTAR TABEL .......................................................................................................... ix DAFTAR GAMBAR ................................................................................................... xiii DAFTAR LAMPIRAN ................................................................................................ xv A. PROYEKSI PENDUDUK MENURUT KELOMPOK UMUR ............................ 1 1. Latar Belakang ........................................................................................................ 1 1.1. Kegunaan Proyeksi .......................................................................................... 2 1.2. Publikasi BPS tentang Proyeksi Penduduk...................................................... 2
.id
2. Sumber Data ............................................................................................................ 2
s. go
3. Metode Proyeksi ...................................................................................................... 5 3.1. Metode Matematik ........................................................................................... 5
.b p
3.2. Metode Komponen .......................................................................................... 7
w
4. Tahapan Proyeksi .................................................................................................... 9
w
4.1. Evaluasi Data Dasar ......................................................................................... 9
tp :// w
4.2. Prorata ............................................................................................................ 17 4.3. Perapihan Umur ............................................................................................. 18
ht
4.4. Penentuan Asumsi ......................................................................................... 30 5. Input dan Output Proyeksi ..................................................................................... 50 B. PROYEKSI PENDUDUK MENURUT UMUR TUNGGAL DAN KELOMPOK UMUR TERTENTU ......................................................................... 57 C. PROYEKSI PENDUDUK DAERAH PERKOTAAN DAN PERDESAAN ........ 67 D. PROYEKSI ANGKATAN KERJA ........................................................................ 71 1. Tingkat Partisipasi Angkatan Kerja (TPAK) ........................................................ 71 1.1. Evaluasi Data TPAK.................................................................................... 71 1.2. Asumsi yang Digunakan ................................................................................ 72 1.3. Pemilihan Model ............................................................................................ 74 2. Hasil Proyeksi TPAK dan Angkatan Kerja ........................................................ 103 2.1. Proyeksi Tingkat Partisipasi Angkatan Kerja (TPAK) ................................ 103 DAFTAR PUSTAKA ................................................................................................... 117 vii
DAFTAR TABEL Halaman Tabel. A.1. Penduduk Provinsi DI Yogyakarta Tahun 2000 ............................... 12 Tabel. A.2. Penghitungan Indeks Myer Penduduk Laki-laki............................... 14 Tabel. A.3. Penghitungan Indeks Myer Penduduk Perempuan ........................... 14 Tabel. A.4. Penghitungan Indeks United Nation Akurasi Umur-Jenis Kelamin . 16 Tabel. A.5. Penduduk di Yogyakarta menurut Kelompok Umur dan Jenis Kelamin Hasil SP2000 ............................................................. 17 Tabel. A.6. Perapihan Umur Tengah Penduduk Laki-laki................................... 19 Tabel. A.7. Perapihan Umur Tengah Penduduk Perempuan ............................... 20 Tabel. A.8a. Persentase Penduduk Tua pada Populasi Stabil .............................. 21
.id
Tabel. A.8b. Perapihan Penduduk Tua Provinsi D.I. Yogyakarta ....................... 22
s. go
Tabel. A.9. Penduduk Perempuan Tahun 1990 ................................................... 23 Tabel. A.10a. Menentukan Level Life Table dengan IMR .................................. 24
.b p
Tabel. A.10b. Survival Ratio Hasil Interpolasi Level 24,05 dan 23,77 ............... 25 Tabel. A.11.Perkiraan Penduduk Perempuan ..................................................... 25
w
w
Tabel. A.12. Perkiraan Kelahiran ........................................................................ 26
tp :// w
Tabel. A.13. Penghitungan Penduduk 0-4 dan 5-9 Tahun ................................... 27 Tabel. A.14. Penduduk DI Yogyakarta Hasil Perapihan Umur ........................... 28
ht
Tabel. A.15. Penduduk DI Yogyakarta Setelah di Prorata .................................. 29 Tabel. A.16. Migrasi Neto DI Yogyakarta .......................................................... 34 Tabel. A.17. TFR berdasarkan Sensus/Survei Tahun 1971-2000 dan Target MDGs .................................................................................. 36 Tabel. A.18. Fitting Curve TFR ........................................................................... 37 Tabel. A.19. Hasil Fitting Curve TFR Provinsi DI Yogyakarta .......................... 39 Tabel. A.20. TFR Provinsi DI Yogyakarta Tahun 2000-2030 ............................ 40 Tabel. A.21. Hasil Estimasi TFR dan ASFR Provinsi DI Yogyakarta Tahun 2000-2030 ............................................................................ 43 Tabel. A.22. Fitting Curve IMR Provinsi DI Yogyakarta ................................... 44 Tabel. A.23. Hasil Fitting Curve IMR Provinsi DI Yogyakarta .......................... 45 Tabel. A.24. Estimasi IMR Hasil Fitting Curve .................................................. 46 Tabel. A.25a. Penentuan Level dan IMR Total ................................................... 47 ix
Halaman Tabel. A.25b. Penentuan Level Kematian Berdasarkan IMR .............................. 47 Tabel. A.26. Menentukan e0 ................................................................................ 48 Tabel. A.27. Angka Harapan Hidup (e0) Tahun 2000-2030 ............................... 49 Tabel. A.28. Penduduk DI Yogyakarta Tahun 2000 sebagai Input (dalam ribuan) .................................................................................. 50 Tabel. A.29. Hasil Asumsi Tren Angka Harapan Hidup Sejak Lahir, sebagai Input ................................................................................... 51 Tabel. A.30. Hasil Asumsi Kelahiran sebagai Input............................................ 51 Tabel. A.31. Hasil Asumsi Perpindahan sebagai Input ....................................... 51 Tabel. A.32. Parameter Demografi Hasil Proyeksi.............................................. 53 Tabel. A.33. Penduduk Laki-laki Hasil Proyeksi (dalam ribuan) ........................ 54
.id
Tabel. A.34. Penduduk Perempuan Hasil Proyeksi (dalam ribuan) .................... 55
s. go
Tabel. A.35. Penduduk Laki-laki + Perempuan Hasil Proyeksi (dalam ribuan).. 56 Tabel. B.1. Koefisien Pemecah Umur dengan Metode Beers.............................. 58
.b p
Tabel. B.2. Rumus Pemecah Umur Tunggal dengan Metode Beers ................... 59
w
Tabel. B.3. Penduduk Provinsi DI Yogyakarta Tahun 2001 (dalam ribuan) ....... 61
w
Tabel. B.4. Penghitungan Pecah Umur Penduduk DI Yogyakarta ...................... 62
tp :// w
Tabel. B.5. Penduduk DI Yogyakarta menurut Umur Tunggal Tahun 2001 (hasil pecah umur – dalam ribuan) ................................ 64
ht
Tabel. C.1. Jumlah Penduduk Tahun 1990 dan 2000, LPP dan Perbedaan LPP ................................................................................................... 69 Tabel. C.2. Penghitungan Penduduk Perkotaan dan Pedesaan Tahun 2005-2015 ............................................................................... 70 Tabel. C.3. Persentase dan Jumlah Penduduk Daerah Perkotaan Provinsi D.I Yogyakarta (dalam ribuan) ............................................................... 70 Tabel. D.1. Tingkat Partisipasi Angkatan Kerja (TPAK) DI Yogyakarta menurut Kelompok Umur dan Jenis Kelamin, 1986-2005............... 72 Tabel. D.2. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 15-19 menurut Jenis Kelamin........................................................... 75 Tabel. D.3. Aplikasi Model Regresi Double Logaritma Kelompok Umur 15-19 menurut Jenis Kelamin........................................................... 76
x
Halaman Tabel. D.4. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 15-19 menurut Jenis Kelamin ........................................................... 77 Tabel. D.5. Model Estimasi Fit Regresi Kelompok Umur 15-19 menurut Jenis Kelamin ..................................................................... 78 Tabel. D.6. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 20-24 menurut Jenis Kelamin ................................................ 79 Tabel. D.7. Aplikasi Model Regresi Double Logaritma Kelompok Umur 20-24 menurut Jenis Kelamin ................................................ 80 Tabel. D.8. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 20-24 menurut Jenis Kelamin ................................................ 81 Tabel. D.9. Model Estimasi Fit Regresi Kelompok Umur 20-24
.id
menurut Jenis Kelamin ..................................................................... 82
s. go
Tabel.D.10. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 25-34 menurut Jenis Kelamin ................................................ 83
.b p
Tabel.D.11. Aplikasi Model Regresi Double Logaritma Kelompok
w
Umur 25-34 menurut Jenis Kelamin ................................................ 84
w
Tabel.D.12. Aplikasi Model Regresi Semi Logaritma Kelompok
tp :// w
Umur 25-34 menurut Jenis Kelamin ................................................ 85 Tabel.D.13. Model Estimasi Fit Regresi Kelompok Umur 25-34
ht
menurut Jenis Kelamin .................................................................... 86 Tabel.D.14. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 35-44 menurut Jenis Kelamin ................................................ 87 Tabel.D.15. Aplikasi Model Regresi Double Logaritma Kelompok Umur 35-44 menurut Jenis Kelamin ................................................ 88 Tabel.D.16. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 35-44 menurut Jenis Kelamin ................................................ 89 Tabel.D.17. Model Estimasi Fit Regresi Kelompok Umur 35-44 menurut Jenis Kelamin .................................................................... 90 Tabel.D.18. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 45-54 menurut Jenis Kelamin ................................................ 91 Tabel.D.19. Aplikasi Model Regresi Double Logaritma Kelompok Umur 45-54 menurut Jenis Kelamin ................................................ 92 xi
Halaman Tabel.D.20. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 45-54 menurut Jenis Kelamin ................................................ 93 Tabel.D.21. Model Estimasi Fit Regresi Kelompok Umur 45-54 menurut Jenis Kelamin .................................................................... 94 Tabel.D.22. Aplikasi Model Regresi Linear Sederhana untuk Kelompok Umur 55-64 menurut Jenis Kelamin ................................................ 95 Tabel.D.23. Aplikasi Model Regresi Double Logaritma Kelompok Umur 55-64 menurut Jenis Kelamin ................................................ 96 Tabel.D.24. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 55-64 menurut Jenis Kelamin ................................................ 97 Tabel.D.25. Model Estimasi Fit Regresi Kelompok Umur 55-64
.id
menurut Jenis Kelamin .................................................................... 98
s. go
Tabel.D.26. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 65+ menurut Jenis Kelamin ................................................... 99
.b p
Tabel.D.27. Aplikasi Model Regresi Double Logaritma Kelompok
w
Umur 65+ menurut Jenis Kelamin ................................................... 100
w
Tabel.D.28. Aplikasi Model Regresi Semi Logaritma Kelompok
tp :// w
Umur 65+ menurut Jenis Kelamin ................................................... 101 Tabel.D.29. Model Estimasi Fit Regresi Kelompok Umur 65+
ht
menurut Jenis Kelamin .................................................................... 102 Tabel.D.30. Proyeksi TPAK Laki-laki menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015 ...................................... 104 Tabel.D.31. Proyeksi TPAK Perempuan menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015 ..................................... 104 Tabel.D.32. Proyeksi Angkatan Kerja Laki-laki menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015 (dalam ribuan) ............. 105 Tabel.D.33. Proyeksi Angkatan Kerja Perempuan menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015 (dalam ribuan) ............. 105
xii
DAFTAR GAMBAR
Halaman Gambar A.1. Piramida Penduduk DI Yogyakarta Tahun 2000 ........................... 10 Gambar A.2. Fitting Curve TFR .......................................................................... 35 Gambar A.3. Penghitungan Intercept................................................................... 38 Gambar A.4. Penghitungan ASFR ....................................................................... 41 Gambar A.5. Penghitungan ASFR (lanjutan) ...................................................... 42 Gambar A.6. Proses Penghitungan ASFR (lanjutan) ........................................... 43
ht
tp :// w
w
w
.b p
s. go
.id
Gambar A.7. Fitting Curve IMR Provinsi DI Yogyakarta................................... 46
xiii
DAFTAR LAMPIRAN
Halaman Tabel.L.1. Survival Ratio Laki-laki menurut Level berdasarkan Life Table Coale Demeny Model West .............................................................. 109 Tabel.L.2. Survival Ratio Perempuan menurut Level berdasarkan Life Table Coale Demeny Model West ............................................................. 110 Tabel.L.3. Angka Kematian Bayi dan Angka Harapan Hidup menurut Jenis Kelamin dan Level berdasarkan Life Table Coale Demeny Model West ...................................................................................... 111 Tabel.L.4. Proyeksi Penduduk DI Yogyakarta Hasil Sensus Penduduk 2000 (dalam ribuan), 2000-2015 ...................................................... 112
.id
Tabel.L.5. Proyeksi Penduduk Laki-laki Usia Kerja Provinsi DI Yogyakarta
s. go
Hasil Sensus Penduduk 2000 (dalam ribuan), 2000-2015 ............... 113 Tabel.L.6. Proyeksi Penduduk Perempuan Usia Kerja Provinsi DI Yogyakarta
.b p
Hasil Sensus Penduduk 2000 (dalam ribuan), 2000-2015 ............... 114
w
Tabel.L.7. Proyeksi Tingkat Partisipasi Angkatan Kerja (TPAK) Laki-laki
tp :// w
w
dan Perempuan menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015 ......................................................................................... 115 Tabel.L.8. Proyeksi Angkatan Kerja Laki-laki dan Perempuan menurut
ht
Kelompok Umur Provinsi DI Yogyakarta (dalam ribuan), 2006-2015 .........................................................................................116
xv
A.
PROYEKSI PENDUDUK MENURUT KELOMPOK UMUR
1.
Latar Belakang Dalam rangka perencanaan pembangunan disegala bidang, diperlukan informasi
mengenai keadaan penduduk seperti jumlah penduduk, persebaran penduduk, dan susunan penduduk menurut umur. Informasi yang tersedia tidak hanya menyangkut keadaan pada saat perencanaan disusun, tetapi juga informasi masa lalu dan masa kini yang sudah tersedia dari hasil sensus dan survei-survei. Sedangkan untuk masa yang akan datang, informasi tersebut perlu dibuat suatu proyeksi yaitu perkiraan jumlah penduduk dan komposisinya di masa mendatang. Proyeksi penduduk yang dimaksud bukan merupakan ramalan jumlah penduduk tetapi
.id
suatu penghitungan ilmiah yang didasarkan komponen yang berpengaruh terhadap pertumbuhan penduduk dimasa yang akan datang. Komponen-komponen tersebut akan
s. go
menentukan besaran jumlah penduduk dan struktur penduduk. Dapat dikatakan proyeksi
.b p
penduduk adalah penghitungan jumlah penduduk (menurut komposisi umur dan jenis kelamin) di masa yang akan datang berdasarkan asumsi arah perkembangan fertilitas,
w
mortalitas, dan migrasi.
tp :// w
w
Ketepatan atau ketajaman proyeksi penduduk sangat tergantung pada ketajaman asumsi tren komponen perubahan penduduk yang digunakan. Asumsi tingkat kelahiran, kematian, dan migrasi di masa yang akan datang, ditentukan oleh gambaran tren di masa
ht
yang lampau sampai dengan saat ini serta target yang hendak dicapai dimasa yang akan datang. Penentuan target dimasa yang akan datang tersebut tentunya harus memperhatikan faktor-faktor yang mempengaruhi masing-masing komponen seperti perkembangan sosial ekonomi, pencapaian program kesehatan, keluarga berencana dan lain sebagainya. Asumsi-asumsi tingkat kelahiran, kematian, dan perpindahan penduduk yang melandasi proyeksi bisa jadi tidak sesuai lagi dengan perubahan yang terjadi (kenyataan), khususnya untuk periode waktu proyeksi yang panjang. Oleh karena itu proyeksi penduduk secara periodik direvisi/diperbaiki dengan data mutakhir hasil sensus atau survei kependudukan yang tersedia. Sumber data juga akan mempengaruhi ketajaman proyeksi yang dibuat, data penduduk Indonesia yang dapat dipakai dan dapat dipercaya untuk keperluan proyeksi adalah berasal dari sensus penduduk (SP) yang diselenggarakan pada tahun yang berakhiran 0, sesuai dengan rekomendasi PBB. 1
1.1.
Kegunaan Proyeksi Berbagai perencanaan pembangunan pada tingkat lokal maupun nasional sangat
membutuhkan informasi dasar penduduk seperti jumlah penduduk, umur, jenis kelamin, dan karakteristik lainnya. Dengan demikian proyeksi penduduk sangat bermanfaat dan merupakan kunci aktivitas perencanaan pembangunan, karena selain dapat dijadikan pijakan dalam menentukan arah dan dasar pengambilan keputusan rencana dimasa yang akan datang, juga dapat digunakan sebagai evaluasi pencapaian kegiatan pembangunan baik pada jangka pendek, jangka menengah juga jangka panjang. Perencanaan apapun dapat dibuat seperti: pemenuhan kebutuhan air bersih, penyediaan infrastruktur di bidang pendidikan, kesehatan, dan kebijakan lingkungan yang seluruhnya membutuhan data proyeksi penduduk. Proyeksi penduduk juga menyediakan data dasar untuk memperkirakan masuknya kelompok umur muda kedalam angkatan kerja dan
1.2.
s. go
.id
keluarnya umur tua akibat kematian, ketidakmampuan, dan pensiun.
Publikasi BPS tentang Proyeksi Penduduk
.b p
BPS sudah beberapa kali menerbitkan proyeksi penduduk yang dihitung berdasarkan
w
hasil sensus peduduk dan survei penduduk antar sensus (SUPAS). Publikasi tersebut adalah: Proyeksi Penduduk Indonesia 1971-1980 berdasarkan SP1971
•
Proyeksi Penduduk Indonesia 1980-1990 berdasarkan SP1980
•
Proyeksi Penduduk Indonesia Per Provinsi 1990-2000 berdasarkan SP1990
•
Proyeksi Penduduk Indonesia Per Provinsi 1995-2005 berdasarkan SUPAS 1995
•
Proyeksi Penduduk Indonesia Per Provinsi 2000-2025 berdasarkan SP2000
•
Proyeksi Penduduk Indonesia per Provinsi 2005-2015 berdasarkan SUPAS 2005.
2.
ht
tp :// w
w
•
Sumber Data Pembuatan proyeksi penduduk memerlukan sumber data yang berkualitas,
kelengkapan cakupan serta memiliki reabilitas yang baik. Persyaratan ini dapat dipenuhi dari data hasil sensus penduduk juga survei kependudukan lainnya yang senantiasa dilakukan oleh BPS secara berkala. Cakupan yang lengkap yang menjadi keistimewaan sensus penduduk membuat data ini sangat baik dijadikan data dasar dalam penghitungan proyeksi penduduk. Pelaksanaan sensus penduduk yang berkala juga menunjang kelengkapan series data yang baik, disamping pelaksanaan survei kependudukan lainnya yang mampu memberikan koreksi terhadap 2
indikator yang dihasilkan oleh sensus. Sampai saat ini BPS telah melakukan kegiatan Sensus Penduduk tahun 1971, 1980, 1990, 2000 dan 2010. Juga pengumpulan data Survei Penduduk Antar Sensus 1976, 1985, 1995 dan 2005. Pelaksanaan sensus penduduk memiliki cakupan di seluruh wilayah teritorial Republik Indonesia. Pencacahan dilakukan terhadap semua penduduk yang berada di wilayah teritorial Republik Indonesia pada saat pencacahan, baik warga negara Indonesia maupun warga negara asing, (kecuali anggota korps diplomatik beserta keluarganya), awak kapal yang berbendera Indonesia dalam perairan Indonesia, masyarakat terpencil juga para tunawisma yang tidak mempunyai tempat tinggal tetap. Pengumpulan data dilakukan dengan mewawancarai responden kemudian petugas pencacah menuliskan jawabannya kedalam kuesioner.
.id
Sensus Penduduk 1961
s. go
Sensus Penduduk 1961 merupakan sensus pertama setelah Indonesia merdeka. Pelaksanaannya dilakukan dalam dua tahap, pertama pelaksanaan pendaftaran rumah tangga
.b p
dan perumahan pada bulan Maret 1961, kedua yaitu pelaksanaan cacah jiwa, dilakukan pada bulan oktober 1961. Yang dimaksud dengan penduduk dalam Sensus Penduduk 1961 adalah
tp :// w
Sensus Penduduk 1971
w
w
semua orang yang sampai tanggal 31 Oktober 1961 sudah tiga bulan tinggal di Indonesia.
Pada Sensus Penduduk 1971, yang dimaksud penduduk adalah kombinasi antara de
ht
jure dan de facto. Bagi mereka yang bertempat tinggal tetap dipakai sistem de jure yaitu orang yang telah bertempat tinggal selama 6 bulan atau berniat menetap lebih dari 6 bulan, sedangkan untuk yang tidak bertempat tinggal tetap dipakai sistem de facto yaitu orang tersebut tercatat dimana ia ditemui. Konsep penduduk ini terus digunakan sampai saat ini. Pada SP71 dimulai pengolahan data dengan menggunakan scanner. Sensus Penduduk 1980 Pelaksanaan dibulan Oktober 1980 dengan dua tahap pengumpulan data. Pertama, pencacahan lengkap untuk memperoleh keterangan dasar tentang jenis kelamin dan kewarganegaraan. Kedua, pencacahan sampel untuk memperoleh keterangan penduduk yang lebih terinci dan juga keterangan tentang keadaan tempat tinggal. Pengolahan data dilakukan secara manual (data entry).
3
Sensus Penduduk 1990 Pengumpulan data secara serentak dimulai tanggal 15 September sampai dengan 31 Oktober 1990. Pengumpulan data diadakan dua tahap yaitu pencacahan lengkap untuk memperoleh data tentang jumlah penduduk dirinci menurut jenis kelamin dan wilayah administratif, sedangkan pencacahan sampel bertujuan untuk mengumpulkan keterangan kependudukan lainnya. Sensus Penduduk 2000 Pada SP2000 pengumpulan data secara serentak mulai tanggal 1 Juni 2000 sampai dengan 30 Juni 2000. Pendataan dilakukan secara lengkap dengan wawancara menggunakan kuesioner yang diolah dengan scanner.
.id
Sensus Penduduk 2010 Pada SP2010 dilakukan pengumpulan data penduduk dan perumahan dengan jumlah
s. go
variable sebanyak 43 pertanyaan dan pencacahan secara serentak dilakukan selama bulan Mei
.b p
2010. SP2010 memiliki hari sensus yaitu pada 15 Mei 2010. Seperti sensus sebelumnya
w
kuesioner diolah dengan scanner.
w
Dari data sensus yang tersedia dapat diperoleh gambaran tentang pola dan tingkat
tp :// w
kelahiran, kematian dan perpindahan di Indonesia. Selalu digunakannya sumber data dari sensus akan memberikan indikator yang dapat dipercaya karena adanya kesamaan metodologi
ht
dan konsep definisi yang dipakai secara berkesinambungan. Dengan kata lain menjajarkan parameter demografi masa lalu hingga perkiraan dimasa yang akan datang tidak mengandung penyimpangan yang disebabkan oleh perbedaan metodologi dan konsep definisi. Pengumpulan data kependudukan lainnya yang dilakukan BPS seperti: Survei Demografi dan Kesehatan Indonesia (SDKI), Survei Sosial Ekonomi Nasional (SUSENAS), Survei Penduduk Antar Sensus (SUPAS), digunakan sebagai potret keadaan penduduk pada tahun survei tersebut juga digunakan sebagai koreksi terhadap parameter demografi yang dihasilkan oleh sensus. Semua data hasil sensus penduduk dan survei kependudukan yang menghasilkan parameter demografi
digunakan sebagai dasar pertimbangan dalam
penyusunan asumsi pada proyeksi penduduk dengan metode komponen.
4
3.
Metode Proyeksi Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan datang
diantaranya menggunakan metode matematik dan metode komponen. 3.1.
Metode Matematik Metode ini sering disebut juga dengan metode tingkat pertumbuhan penduduk
(Growth Rates). Metode ini merupakan estimasi dari total penduduk dengan menggunakan tingkat pertumbuhan penduduk secara matematik, atau untuk tingkat lanjutnya melalui fitting kurva yang menyajikan gambaran matematis dari perubahan jumlah penduduk, seperti kurva logistik. Proyeksi berdasarkan tingkat pertumbuhan penduduk mengasumsikan pertumbuhan yang konstan, baik untuk model aritmatika, geometrik, atau eksponensial untuk mengestimasi
Metode Aritmatik
s. go
a.
.id
jumlah penduduk.
Proyeksi penduduk dengan metode aritmatik mengasumsikan bahwa jumlah
.b p
penduduk pada masa depan akan bertambah dengan jumlah yang sama setiap tahun. Formula
w
yang digunakan pada metode proyeksi aritmatik adalah:
w
⎞ 1⎛ P r = ⎜ t − 1⎟ t ⎝ P0 ⎠
ht
dimana:
dengan
tp :// w
Pt = P0 (1 + rt )
Pt
= jumlah penduduk pada tahun t
P0
= jumlah penduduk pada tahun dasar
r
= laju pertumbuhan penduduk
t
= periode waktu antara tahun dasar dan tahun t (dalam tahun)
b.
Metode Geometrik Proyeksi penduduk dengan metode geometrik menggunakan asumsi bahwa jumlah
penduduk akan bertambah secara geometrik menggunakan dasar perhitungan bunga majemuk (Adioetomo dan Samosir, 2010). Laju pertumbuhan penduduk (rate of growth) dianggap sama untuk setiap tahun. Berikut formula yang digunakan pada metode geometrik:
5
Pt = P0 (1 + r )
1 t
⎛P⎞ r = ⎜ t ⎟ −1 ⎝ P0 ⎠
t
dengan
dimana: Pt
= jumlah penduduk pada tahun t
P0
= jumlah penduduk pada tahun dasar
r
= laju pertumbuhan penduduk
t
= periode waktu antara tahun dasar dan tahun t (dalam tahun)
c.
Metode Eksponensial Menurut Adioetomo dan Samosir (2010), metode eksponensial menggambarkan
.id
pertambahan penduduk yang terjadi secara sedikit-sedikit sepanjang tahun, berbeda dengan
s. go
metode geometrik yang mengasumsikan bahwa pertambahan penduduk hanya terjadi pada satu saat selama kurun waktu tertentu. Formula yang digunakan pada metode eksponensial
.b p
adalah:
w
1 ⎛P⎞ r = ln ⎜ t ⎟ t ⎝ P0 ⎠
w
dengan
ht
tp :// w
Pt = P0 e rt
dimana: Pt
= jumlah penduduk pada tahun t
P0
= jumlah penduduk pada tahun dasar
r
= laju pertumbuhan penduduk
t
= periode waktu antara tahun dasar dan tahun t (dalam tahun)
e
= bilangan pokok dari sistem logaritma natural (ln) yang besarnya adalah 2,7182818 Dari ketiga metode penghitungan jumlah penduduk di atas juga dapat dihitung
perkiraan waktu ketika jumlah penduduk mencapai dua kali lipat (doubling time). Formula penghitungan waktu penggandaan menggunakan laju pertumbuhan penduduk aritmatik, geometrik dan eksponensial adalah sebagai berikut:
6
aritmatik: t =
1 r
geometrik: t =
log 2 log (1 + r )
eksponensial: t =
3.2.
ln 2 r
Metode Komponen Metode komponen berbasis pada pengertian bahwa perubahan penduduk suatu
wilayah pada periode tertentu merupakan akumulasi dari kejadian kelahiran dan kematian (natural increase) serta net migrasi. )+(
−
.id
+( −
)
s. go
= Dimana:
= jumlah penduduk pada tahun t
P0
= jumlah penduduk pada tahun dasar
L
= Jumlah kelahiran
M
= Jumlah kematian
tp :// w
w
w
.b p
Pt
MigIn = Jumlah migrasi masuk
ht
MigOut = Jumlah migrasi keluar
Bila proyeksi penduduk dihitung untuk jangka waktu yang pendek (kurang dari lima tahun) baik dengan metode matematik ataupun metode komponen akan didapati hasil jumlah penduduk yang hampir tidak ada perbedaan. Untuk jangka waktu pendek hasil proyeksi penduduk dengan metode matematik relatif masih cukup baik, karena kelahiran, kematian dan perpindahan tidak berubah secara signifikan. Namun bila memproyeksikan penduduk dalam jangka lebih panjang hasil metode matematik akan semakin bias seiring dengan panjangnya periode proyeksi, karena pada periode yang panjang kelahiran, kematian dan perpindahan telah banyak berubah baik pola maupun tingkatnya. Dengan demikian proyeksi penduduk dengan metode komponen yang mempertimbangkan determinan (komponen) yang mempengaruhi pertumbuhan penduduk (kelahiran, kematian, perpindahan) menghasilkan perkiraan yang relatif lebih baik, khususnya untuk periode waktu yang panjang.
7
Menurut Adioetomo dan Samosir (2010), proyeksi penduduk dengan metode komponen dapat dilakukan dengan menggunakan dua teknik, yaitu demografi uniregional dan demografi multiregional. Metode demografi uniregional menggunakan angka migrasi bersih total tanpa memperhatikan kemana arus migrasi keluar dan darimana arus migrasi masuk di suatu daerah. Sementara metode demografi multiregional memperlakukan migrasi masuk ke suatu daerah sebagai migrasi keluar dari daerah asal tertentu dan migrasi keluar dari suatu daerah sebagai migrasi masuk di daerah tertentu. Metode komponen yang dilakukan disini mengunakan metode demografi uniregional dan merupakan metode yang banyak digunakan dalam memproyeksikan jumlah penduduk. Metode ini memungkinkan penggunaan informasi statistik dari komponen perubahan penduduk dan memungkinkan melakukan proyeksi menurut umur dan jenis kelamin dengan memperhitungkan tingkat kelahiran, kematian, dan perpindahan pada setiap kohor sehingga
.id
populasi setiap kohor dimasa depan dapat diperkirakan. Data dasar yang dibutuhkan sebagai
s. go
berikut:
1. Distribusi penduduk menurut umur dan jenis kelamin yang telah dilakukan perapihan
.b p
(smoothing).
w
3. Pola fertilitas menurut umur.
w
2. Pola mortalitas.
tp :// w
4. Rasio jenis kelamin saat lahir.
ht
5. Proporsi migrasi menurut umur.
8
4.
Tahapan Proyeksi Penghitungan proyeksi penduduk dengan metode komponen memerlukan data dasar
jumlah penduduk yang dirinci menurut umur dan jenis kelamin. Sebagai dasar dari penghitungan penduduk maka data dasar ini harus terlepas dari kesalahan atau tidak mengandung ketidakwajaran. Untuk mengetahui adanya kesalahan yang terkandung dalam data dapat dilakukan dievaluasi secara cermat kemudian dilakukan perapihan umur. Berikut diuraikan tahapan penyusunan proyeksi penduduk dengan aplikasi data provinsi DI Yogyakarta pada keadaan tahun 2000.
4.1.
Evaluasi Data Dasar
.id
Data yang diperoleh dari hasil sensus atau survei biasanya masih mengandung
s. go
kesalahan, meskipun usaha untuk menghindari atau mengurangi kesalahan tersebut telah dilakukan. Kesalahan yang sering ditemukan adalah kurang tepatnya pelaporan umur
.b p
khususnya banyak terjadi di daerah perdesaan. Hal ini disebabkan sebagian penduduk daerah perdesaan tidak menganggap perlu mengingat/mencatat tanggal kelahirannya, sehingga
w
w
pelaporan umur hanya berdasarkan perkiraan responden atau perkiraan petugas pencacah.
tp :// w
Ada pula penduduk yang mengetahui umurnya secara pasti tetapi karena alasan-alasan tertentu cenderung melaporkan umurnya menjadi lebih tua atau lebih muda. Salah satu data dasar yang dibutuhkan untuk membuat proyeksi penduduk dengan
ht
metode komponen adalah jumlah penduduk yang dirinci menurut umur dan jenis kelamin yang sudah dirapihkan dari kesalahan pelaporan umur. Oleh karena itu untuk keperluan proyeksi ini, data dasar yang mengandung kesalahan-kesalahan tersebut perlu dievaluasi secara cermat untuk kemudian dilakukan perapihan (adjustment) dengan tujuan untuk menghapus atau memperkecil berbagai kesalahan yang ditemukan. Mengingat pentingnya data mengenai umur, maka untuk memperoleh keterangan umur yang lebih baik, dalam pelasanaan sensus penduduk dan survei penduduk antar sensus telah ditempuh berbagai cara. Seperti mencatat tanggal, bulan dan tahun lahir responden dalam kalender masehi. Bagi responden yang tidak tahu tanggal lahir dalam kalender masehi, disediakan tabel konversi kalender Islam, Jawa, Sunda. Terakhir, untuk responden yang tidak tahu tahun kelahirannya, tetap diupayakan memperoleh keterangan umur dengan menghubungkan kejadian penting setempat atau nasional, atau membandingkan dengan umur orang/tokoh setempat yang diketahui waktu kelahirannya. 9
Gambar A.1 Piramida Penduduk DI Yogyakarta Tahun 2000 (Dalam Ribuan)
90+ 85 80 75
Perempuan
Laki-laki
70 65 60 55
Umur
50 45
.id
40
s. go
35 30
.b p
25 20
w
15
5 0
30
15
0
15
30
45
ht
45
tp :// w
w
10
Walaupun berbagai usaha untuk memperoleh keterangan umur yang valid sudah dilakukan namun data penduduk menurut umur dalam SP2000 masih tidak terlepas dari kesalahan pelaporan. Kesalahan yang terjadi antara lain karena adanya kebiasaan penduduk, terutama yang tidak tahu tanggal lahirnya, melaporkan umurnya pada tahun-tahun yang berakhiran 0 dan 5. Hal ini jelas terlihat dalam piramida penduduk DI Yogyakarta hasil SP2000, penduduk yang umurnya berakhiran 0 dan 5 sangat menonjol jika dibandingkan dengan umur sekitarnya (Gambar A.1). Selain dengan melihat piramida penduduk umur tunggal, kesalahan-kesalahan pada data yang berkaitan dengan umur dapat dievaluasi dengan menghitung beberapa indeks, antara lain Indeks Wipple, Indeks Myer dan Indeks United Nation (UN Age-Sex Accuracy Index).
10
a.
Indeks Whipple •
Indeks ini digunakan untuk mengukur tingkat kecenderungan dalam menyebutkan angka 0 atau 5 dalam penuturan umur.
•
Indeks ini dihitung sebagai rasio dari penduduk umur 25, 30, 35, 40, 45, 50, 55, dan 60 dan satu per lima dari jumlah penduduk umur 23 sampai dengan 62 tahun.
Indeks Whipple = •
∑ (P
25
+ P30 + ... P55 + P60 )
1 / 5∑ (P23 + P24 + P25 + ... P60 + P61 + P62 )
x 100
Umur pada masa kanak-kanak dan umur tua, tidak dilibatkan dalam penghitungan indeks Whipple karena untuk kelompok ini lebih banyak kesalahan yang berhubungan dengan kesalahan pelaporan umur dari pada kecenderungan untuk
•
.id
menyebutkan angka tertentu. Nilai indeks Whipple bervariasi dari 0 sampai dengan 500.
s. go
¾ Nilai indeks Whipple = 100 berarti tidak ada kecenderungan untuk menyebutkan umur pada angka tertentu.
.b p
¾ Nilai indeks Whipple = 500 berarti semua orang melaporkan umurnya
w
dalam umur yang berakhiran 0 atau 5.
tp :// w
w
¾ Nilai indeks Whipple antara 0 dan 100 berarti ada kecenderungan untuk
Contoh lihat tabel A.1: Indeks Wipple:
ht
menghindari angka yang berakhiran 0 atau 5.
61.321 + 63.153 + … + 35.490 + 45.329 1/5 (60.659 + 58.321 + … + 20.783 + 18.887)
= 130,8 Kesimpulan: Indeks Wipple di Provinsi DI Yogyakarta hasil SP2000 sebesar 130,8. Angka ini terletak pada selang 100 hingga 500 menunjukkan bahwa terdapat kecenderungan penyebutan umur yang berakhiran 0 dan 5, meskipun kecenderungannya kecil.
11
Tabel A.1 Penduduk Provinsi DI Yogyakarta Tahun 2000
Total
12
780.967
Total
.id
60.659 58.321 61.321 48.111 52.510 49.446 48.363 63.153 48.407 48.422 43.620 48.905 60.264 43.837 44.845 42.547 43.188 60.712 40.162 38.603 35.314 35.395 47.781 31.475 30.180 29.558 30.389 41.819 25.187 23.188 19.903 24.413 35.490 20.560 23.228 21.928 23.720 45.329 20.783 18.887
.b p
s. go
28.468 28.272 29.788 23.707 26.123 25.135 24.613 32.282 24.634 25.009 22.545 25.182 31.048 22.567 23.270 22.171 22.255 31.345 20.130 19.351 17.824 17.988 24.093 15.347 15.000 14.666 15.312 22.251 12.883 11.977 10.619 13.029 19.269 10.315 11.533 11.074 12.718 24.922 10.576 9.665
w
32.191 30.049 31.533 24.404 26.387 24.311 23.750 30.871 23.773 23.413 21.075 23.723 29.216 21.270 21.575 20.376 20.933 29.367 20.032 19.252 17.490 17.407 23.688 16.128 15.180 14.892 15.077 19.568 12.304 11.211 9.284 11.384 16.221 10.245 11.695 10.854 11.002 20.407 10.207 9.222
Perempuan
tp :// w
ht
23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62
Laki-laki
w
Umur
808.956
1.589.923
b. Indeks Myer •
Indeks ini digunakan untuk menghitung kecenderungan menyebut umur berakhiran 0 dan menghindari penyebutan umur yang berakhiran angka 1 sampai dengan 9.
•
Indeks Myer menunjukkan kecenderungan menyebutkan angka tertentu (digital preference), oleh karena itu penghitungannya dilakukan terhadap distribusi umur tunggal. Penghitungan Indeks Myer dibuat terpisah untuk laki-laki dan perempuan.
•
Nilai Indeks Myer akan berkisar 0 hingga 90. Nilai 0 menunjukkan tidak adanya kecenderungan menyebutkan umur berakhiran 0. Myer memberi patokan bahwa bila hasil indeks lebih kecil dari 10 % berarti pelaporan dan pencatatan umur cukup baik.
Cara Penghitungan Indeks Myer: kelompok
.id
Kolom (1) : Dari distribusi umur penduduk umur tunggal, dapat diperoleh
penduduk dengan umur yang berakhiran dengan 0, 1, 2, 3, 4, 5, 6, 7, 8, 9.
s. go
Kelompok-kelompok ini disebut terminal digit.
.b p
Kolom (2) :Jumlahkan penduduk sesuai kelompok terminal digit dimulai dari umur a. Nilai a dimulai dari umur 10 tahun. Misal: untuk terminal digit 1 maka jumlahkan semua
w
w
penduduk yang berumur 11, 21, 31, 41, 51, 61, 71, 81 dan 91 tahun.
tp :// w
Kolom (3) :Jumlahkan penduduk sesuai kelompok terminal digit dimulai dari umur a+10. Karena a = 10 maka area penjumlahan dimulai dari penduduk umur 20 tahun.
ht
Misal: untuk terminal digit 2, jumlahkan semua penduduk yang berumur 22, 32, 42, 52, 62, 72, 82 dan 92 tahun. Kolom (4) : Adalah koefisien penimbang untuk kolom (2). Kolom (5) : Adalah koefisien penimbang untuk kolom (3). Kolom (6) : Blended Population = kolom (2) x kolom (4)) + (kolom (3) x kolom (5). Kolom (7) : Distribusi persentase dari kolom (6) terhadap jumlahnya. Kolom (8) : Deviasi kolom (7) terhadap 10 % atau kolom (7) – 10,00 (angka mutlak). Indeks Myer adalah : ½ x Jumlah Kolom (8)
13
Contoh: Tabel A.2. Penghitungan Indeks Myer Penduduk Laki-laki
(1) 0 1 2 3 4 5 6 7 8 9
Jumlah Penduduk Pada Terminal Digit a Mulai Pada Mulai Pada Umur a Umur 10+a (2) (3) 186.892 133.782 128.785 118.556 123.566 154.229 111.549 118.273 115.109 119.318
162.292 110.903 105.264 94.480 97.502 1 25.336 82.766 85.654 80.876 82.728
Paduan Populasi Penimbang (2)*(4)+(3)*(5) (4)
(5)
1 2 3 4 5 6 7 8 9 10
(6) 9 8 7 6 5 4 3 2 1 0
Distribusi (%) (7)
1.647.520 1.154.788 1.123.203 1.041.104 1.105.340 1.426.718 1.029.141 1.117.492 1.116.857 1.193.180
.id
Terminal Digit a
11.955.343
13,78 9,66 9,39 8,71 9,25 11,93 8,61 9,35 9,34 9,98
3,78 0,34 0,61 1,29 0,75 1,93 1,39 0,65 0,66 0,02
100,00
11,43 5,71
.b p
s. go
Total Index Myer = (Total deviasi) / 2
Deviasi Terhadap 10% (7)-10,00 (8)
0 1 2 3 4 5 6 7 8 9
tp :// w
(1)
Jumlah Penduduk Pada Terminal Digit a Mulai Pada Mulai Pada Umur a Umur 10+a (2) (3)
ht
Terminal Digit a
202.533 132.448 127.274 118.712 127.512 164.833 112.136 119.450 118.975 125.080
179.480 110.618 104.708 95.381 102.662 137.252 84.202 88.039 85.820 90.125
Total Index Myer = (Total deviasi) / 2
14
w
w
Tabel A.3. Penghitungan Indeks Myer Penduduk Perempuan Paduan Populasi
Penimbang
(4) 1 2 3 4 5 6 7 8 9 10
(2)*(4)+(3)*(5) (5) 9 8 7 6 5 4 3 2 1 0
(6)
Distribusi (%) (7)
Deviasi Terhadap 10% (7)-10,00 (8)
1.817.853 1.149.840 1.114.778 1.047.134 1.150.870 1.538.006 1.037.558 1.131.678 1.156.595 1.250.800
14,67 9,28 8,99 8,45 9,28 12,41 8,37 9,13 9,33 10,09
4,67 0,72 1,01 1,55 0,72 2,41 1,63 0,87 0,67 0,09
12.395.112
100,00
14,33 7,17
Indeks Myer DI Yogyakarta pada tahun 2000, baik untuk laki-laki maupun perempuan dibawah 10 persen. Hal ini menunjukkan bahwa pelaporan dan pencatatan data umur cukup baik dari sisi kesalahan kecenderungan melaporkan umur yang berakhiran 0.
c. Indeks United Nation Akurasi Umur-Jenis Kelamin (UN Age-Sex Accuracy Index) •
Indeks UN digunakan untuk melihat tingkat keakurasian umur dan jenis kelamin. Indeks ini menggabungkan perkiraan akurasi dari umur menurut kelompok umur untuk laki-laki dan perempuan secara terpisah dengan perkiraan akurasi dari rasio jenis kelamin untuk kelompok umur yang berbeda.
•
Kualitas umur menurut kelompok umur dievaluasi dengan rata-rata rasio umur. Rasio umur adalah rasio antara penduduk pada umur tertentu dengan setengah dari jumlah penduduk pada kelompok umur sebelum dan sesudahnya, dan dinyatakan dalam
s. go
•
.id
persentase.
Dengan adanya fluktuasi dalam kelahiran, kematian, dan migrasi pada masa lampau,
.b p
penduduk pada tiga kelompok umur yang berurutan tersebut hampir mendekati series
Deviasi dari 100 menunjukkan sejauh mana terjadi kesalahan pelaporan umur pada
w
•
w
linear. Oleh karena itu rasio umurnya mendekati 100.
tp :// w
kelompok umur tersebut. Jumlah deviasi dari semua kelompok umur (tanpa memandang tanda) merupakan ukuran yang menunjukkan tingkat kesalahan dalam
•
ht
pelaporan umur.
Jumlah dari perbedaan (tanpa memandang tanda) pada rasio jenis kelamin untuk kelompok-kelompok umur tersebut merupakan ukuran yang menunjukkan tingkat akurasi rasio jenis kelamin dari data yang dievaluasi.
•
Ada tiga kriteria Indeks UN dalam menentukan apakah data umur yang dievaluasi akurat atau tidak : ¾ Jika Indeks UN < 20 maka data umur dan jenis kelamin tersebut akurat ¾ Jika Indeks UN sekitar 20 – 40 maka data umur dan jenis kelamin tersebut tidak akurat ¾ Jika Indeks UN > 40 maka data umur dan jenis kelamin tersebut sangat tidak akurat.
15
Contoh: Tabel A.4. Penghitungan Indeks United Nation Akurasi Umur-Jenis Kelamin Analisis Rasio Jenis Kelamin Rasio Jenis Kelamin Umur
Laki-laki
Perempuan
Analisis Rasio Umur Laki-laki
Perempuan
L/P*100
Perbedaan Rasio Jenis Kelamin
(2)/(3)*100
(5Pa-5 - 5Pa)
P / 0,5 (5Pa-5 + 5Pa+5)
(6) -100
P / 0,5 (5Pa-5 + 5Pa+5)
(7)-100
(4)
(5)
(6)
(7)
(8)
(9)
Rasio
Deviasi dari 100
5 a-5
(1)
(2) 115.997
110.898
104,60
(X)
(X)
Deviasi dari 100
5 a-5
(X)
(X)
(X)
120.805
113.766
106,19
-1,59
101,89
1,89
100,44
0,44
121.140
115.630
104,77
1,42
85,94
-14,06
86,03
-13,97
15-19
161.118
155.036
103,92
0,84
109,76
9,76
113,17
13,17
20-24
172.438
158.359
108,89
-4,97
118,31
18,31
111,36
11,36
25-29
130.385
129.366
100,79
8,10
88,31
-11,69
89,83
-10,17
30-34
122.855
129.652
94,76
6,03
100,80
0,80
103,44
3,44
35-39
113.370
121.311
93,45
1,30
100,15
0,15
102,68
2,68
40-44
103.548
106.638
97,10
-3,65
104,42
4,42
103,67
3,67
45-49
84.965
84.418
100,65
-3,55
101,57
1,57
95,17
-4,83
50-54
63.751
70.759
90,10
10,55
87,94
-12,06
94,77
-5,23
55-59
60.017
64.909
92,46
-2,37
60-64
57.472
65.730
87,44
65-69
43.609
54.109
80,59
70-74
37.882
43.501
87,08
1.509.352
1.524.082
Indeks UN
-0,98
95,11
-4,89
110,92
10,92
110,45
10,45
6,84
91,47
-8,53
99,07
-0,93
-6,49
(X)
(X)
(X)
(X)
.b p
w
w
tp :// w
Rata-rata
99,02
5,03
62,73
95,14
85,22
4,48
7,32
6,56
ht
Jml Mutlak
s. go
5-9 10-14
.id
0-4
(3)
Rasio
= (3 x rata-rata perbedaan rasio jenis kelamin) + rata-rata deviasi rasio umur laki-laki + rata-rata deviasi rasio umur perempuan = (3 x 4,48) + 7,32 + 6,56 = 27,32
Kesimpulan dari Indeks UN sebesar 27,32 dapat diartikan data umur dan jenis kelamin di Provinsi DIY dikategorikan tidak akurat Berdasarkan evaluasi data umur yang telah dilakukan, menunjukkan adanya kecenderungan pelaporan umur yang tidak tepat. Oleh karena itu sebelum membuat proyeksi di Provinsi DIY, perlu dilakukan perapihan umur terlebih dahulu.
16
4.2
Prorata Apabila pada data terdapat TT (tidak terjawab), maka TT tersebut harus diprorata
terlebih dahulu. Rumus prorata adalah sebagai berikut:
Sebagai contoh akan dilakukan proyeksi penduduk dengan menggunakan data sensus penduduk 2000 untuk provinsi DI Yogyakarta. Namun pada data hasil sensus penduduk provinsi Yogyakarta tahun 2000 tidak terdapat TT, sehingga tidak perlu diprorata. Terlihat pada Tabel A.5 yaitu banyaknya penduduk Yogyakarta menurut kelompok umur dan jenis
.id
kelamin, angka pada tabel ini akan menjadi dasar dilakukannya perapihan umur dengan
s. go
berbagai perlakuan.
w
Penduduk Laki-laki Perempuan (2) (3) 115.997 110.898 120.805 113.766 121.140 115.630 161.118 155.036 172.438 158.359 130.385 129.366 122.855 129.652 113.370 121.311 103.548 106.638 84.965 84.418 63.751 70.759 60.017 64.909 57.472 65.730 43.609 54.109 37.882 43.501 37.509 49.535 1.546.861 1.573.617
tp :// w
ht
Kelompok Umur (1) 0–4 5–9 10 – 14 15 – 19 20 – 24 25 – 29 30 – 34 35 – 39 40 – 44 45 – 49 50 – 54 55 – 59 60 – 64 65 – 69 70 – 74 75 + Total
w
.b p
Tabel A.5. Penduduk DI Yogyakarta menurut Kelompok Umur dan Jenis Kelamin Hasil SP2000 Jumlah (4) 226.895 234.571 236.770 316.154 330.797 259.751 252.507 234.681 210.186 169.383 134.510 124.926 123.202 97.718 81.383 87.044 3.120.478
17
4.3
Perapihan Umur Perapihan umur perlu dilakukan dengan tujuan untuk memperkecil kesalahan yang
ada dalam data. Jika perapihan umur tidak dilakukan maka kesalahan-kesalahan itu akan terbawa ke dalam perhitungan proyeksi, sehingga akan mempengaruhi jumlah dan struktur umur penduduk dalam periode proyeksi tersebut. Dalam melakukan perapihan umur kesulitan yang dihadapi adalah tidak diketahui secara pasti letak kesalahan-kesalahan yang ada, sehingga sulit menentukan umur-umur mana yang sudah pasti salah dan mana yang benar, sehingga perapihan dilakukan untuk semua kelompok umur. Perapihan umur menggunakan data dasar berupa komposisi penduduk menurut umur dan jenis kelamin. Komposisi ini diperlukan karena pola kematian untuk penduduk laki-laki berbeda dengan penduduk perempuan, maka dalam pembuatan proyeksi penduduk,
.id
dipisahkan antara penduduk laki-laki dan penduduk perempuan. Sebelum melakukan
s. go
perapihan umur perlu dilakukan prorata bila dalam suatu distribusi umur terdapat data yang umurnya tidak diketahui biasanya dikategorikan sebagai tidak terjawab (TT). Prorata (pro-
.b p
rate) yang dimaksud adalah mengalokasikan kategori TT ke masing-masing kelompok umur. Perapihan data dasar penduduk menurut umur dan jenis kelamin dilakukan dalam tiga
w
w
tahapan yang berbeda:
tp :// w
Pertama, merapihkan data penduduk umur (10-64) tahun dengan menggunakan metode dari Perserikatan Bangsa-Bangsa (UN Smooth) yang disusun dalam paket komputer Micro Computer Programs for Demographics Analaysis (MCPDA).
ht
Kedua, merapihkan data penduduk umur 70 tahun ke atas menggunakan distribusi umur penduduk 70 tahun keatas dari suatu negara yang penduduknya sudah stabil, kelompok penduduk ini tidak besar pengaruhnya terhadap hasil proyeksi karena jumlahnya relatif kecil dan dalam waktu singkat akan berkurang dan menjadi nol. Ketiga, merapihkan data penduduk berumur 0-4 dan 5-9 tahun dengan survival ratio, jumlah penduduk kelompok ini, terutama yang berumur 0 dan 1 tahun jauh lebih kecil daripada yang diharapkan yang diduga karena lewat cacah. Untuk merapihkan diperlukan data tentang tingkat kelahiran total (TFR) masa lampau yang menggambarkan keadaan paling tidak 10 tahun sebelum pencacahan, dan jumlah dan susunan umur wanita subur serta tingkat kematian dalam kurun waktu yang sama. Telah disinggung sebelumnya bahwa perapihan umur dilakukan dengan tujuan memperkecil kesalahan yang ada dalam data tersebut. Jika hal tersebut tidak dilakukan maka kesalahan-kesalahan itu akan terbawa ke dalam perhitungan proyeksi, sehingga akan 18
mempengaruhi jumlah dan struktur umur penduduk dalam periode proyeksi tersebut. Dalam melakukan perapihan kesulitan yang dihadapi adalah tidak diketahui secara pasti letak kesalahan-kesalahan yang ada sehingga sulit menentukan umur-umur mana yang pasti salah dan mana yang benar, dengan pertimbangan ini perapihan dilakukan untuk semua umur. Perapihan Penduduk Umur 10-69 Tahun Perapihan penduduk berumur 10 sampai dengan 69 tahun dibedakan menurut jenis kelamin, dengan menggunakan rumus UN smoothing sebagai berikut:
5Px*
= 1/16[- 5Px-10 + 45Px-5 + 105Px + 45Px+5 – 5Px+10]
Keterangan: = jumlah penduduk 5 tahunan hasil perapihan
5Px
= jumlah penduduk 5 tahunan sebelum perapihan
s. go
.id
5Px*
w
w
.b p
Berikut ini penghitungan perapihan penduduk laki-laki umur 10-69 tahun dengan UN Smoothing:
Kelompok
tp :// w
Tabel A.6. Perapihan Umur Tengah Penduduk Laki-laki Laki-laki 4 x (5Px)
10 x (5Px)
5Px*
(2)
(3)
(4)
(5)
115.997
463.988
5–9
120.805
483.220
10 - 14
121.140
484.560
1.211.400
128.166
15 - 19
161.118
644.472
1.611.180
158.394
20 – 24
172.438
689.752
1.724.380
165.400
25 – 29
130.385
521.540
1.303.850
138.158
30 – 34
122.855
491.420
1.228.550
120.474
35 – 39
113.370
453.480
1.133.700
113.998
40 – 44
103.548
414.192
1.035.480
102.638
45 – 49
84.965
339.860
849.650
84.091
50 – 54
63.751
255.004
637.510
66.026
55 -59
60.017
240.068
600.170
59.781
60 – 64
57.472
229.888
574.720
55.474
65 – 69
43.609
174.436
436.090
44.999
70 – 74
37.882
151.528
378.820
75 +
37.509
150.036
375.090
(1) 0–4
ht
5Px
Umur
19
Kolom (5) P(10-14) = 1/16 x [-P(0-4) + (4 x P(5-9)) + (10 x P(10-14)) + (4 x P(15-19)) – P(20-24)] = 1/16 x (-115.997 + 483.220 + 1.211.400 + 644.472 – 172.438) = 128.166
Kolom (5) P(65-69) = 1/16 x [-P(55-59) + (4 x P(60-64)) + (10 x P(65-69)) + (4 x P(70-74)) – P(75+)] = 1/16 x (-60.017 + 229.888 + 436.090 + 151.528 – 37.509 = 44.999
Berikut ini penghitungan perapihan penduduk perempuan umur 10-69 tahun dengan UN
.id
Smoothing:
Kelompok
s. go
Tabel A.7. Perapihan Umur Tengah Penduduk Perempuan Perempuan 5Px
4 x (5Px)
10 x (5Px)
5Px*
(1)
(2)
(3)
(4)
(5)
5–9
113.766
10 – 14
115.630
443.592
w
110.898
w
0–4
.b p
Umur
455.064 1.156.300
122.641
155.036
620.144
1.550.360
150.199
158.359
633.436
1.583.590
154.745
129.366
517.464
1.293.660
135.585
129.652
518.608
1.296.520
127.139
121.311
485.244
1.213.110
121.530
40 – 44
106.638
426.552
1.066.380
105.555
45 – 49
84.418
337.672
844.180
85.472
50 – 54
70.759
283.036
707.590
70.783
55 -59
64.909
259.636
649.090
66.032
60 – 64
65.730
262.920
657.300
63.695
65 – 69
54.109
216.436
541.090
53.973
20 – 24 25 – 29 30 – 34 35 – 39
ht
15 -19
tp :// w
462.520
70 – 74
43.501
174.004
435.010
75 +
49.535
198.140
495.350
Kolom (5) P(10-14) = 1/16 x [-P(0-4) + (4 x P(5-9)) + (10 x P(10-14)) + (4 x P(15-19)) – P(20-24)] = 1/16 x (-110.898 + 455.064 + 1.156.300 + 620.144 – 158.359) = 122.641
20
Kolom (5) P(65-69) = 1/16 x [-P(55-59) + (4 x P(60-64)) + (10 x P(65-69)) + (4 x P(70-74)) – P(75+)] = 1/16 x (-64.909 + 262.920 + 541.090 + 174.004 – 49.535 = 53.973 Hasil perapihan penduduk menurut jenis kelamin pada kelompok umur 10-69 tahun digunakan sebagai dasar perhitungan proyeksi. Data yang digunakan sebagai dasar perhitungan proyeksi merujuk pada keadaan penduduk tengah tahun, dalam hal ini hasil SP2000 telah menunjukkan keadaan tengah tahun (Census Date SP2000 pada tanggal 30 Juni 2000). Seandainya pengumpulan data tidak tepat tengah tahun maka data yang dihasilkan dari sensus atau survei perlu dilakukan penyesuaian pada keadaan tengah tahun dengan
.id
menggunakan laju pertumbuhan penduduk.
s. go
Perapihan Umur 70-74 & 75 Tahun
Data penduduk umur 70-74 dan 75+ dirapihkan dengan mengikuti komposisi dari
.b p
penduduk suatu negara yang telah stabil. Perapihannya menggunakan tabel stable population
w
w
sebagai berikut:
Estimasi persentase kelompok umur
ht
Persentase Penduduk Umur 70 +
tp :// w
Tabel A.8a. Persentase Penduduk Tua pada Populasi Stabil
1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
70-74
75-79
80-84
85 +
75 +
0,62 0,90 1,16 1,41 1,64 1,86 2,08 2,08 2,48
0,28 0,43 0,58 0,73 0,89 1,05 1,20 1,36 1,51
0,09 0,14 0,21 0,29 0,37 0,45 0,54 0,63 0,73
0,01 0,03 0,05 0,07 0,10 0,14 0,18 0,23 0,23
0,38 0,60 0,84 1,09 1,36 1,64 1,92 2,22 2,52
Tabel diatas digunakan untuk mendistribusikan penduduk umur 70+ baik untuk lakilaki maupun perempuan. Hitung terlebih dahulu rasio penduduk
umur 70+ terhadap
penduduk totalnya, kemudian pilih besaran persentasenya untuk mendistribusikan kelompok umur 70-74 dan 75+. Bila rasio penduduk umur 70+ tidak tepat sama dengan yang tertera di tabel maka perlu dilakukan interpolasi agar memperoleh nilai yang tepat.
21
Rasio P(70-74) dan P(75+) =
P(70-74) + P(75+) P(0 – 75+)
x 100%
81.383 + 87.044 3.120.478 = 5,4%
x 100%
=
Rasio penduduk Yogyakarta umur 70-74 dan 75 tahun ke atas hasil sensus penduduk tahun 2000 adalah 5,4 persen dan untuk masing-masing kelompok umur 70-74 tahun sebesar 2,61 persen dan untuk 75+ adalah 2,79 persen. Diduga penduduk tua DI Yogyakarta bercirikan penduduk stabil dimana pola yang ditunjukkan tidak terjadi fluktuasi tingkat kelahiran, dan tidak ada perubahan berarti dalam tingkat kematian (tingkat kematian sudah
.id
dan masih menurun). Populasi stabil salah satunya dicirikan oleh suatu proporsi distribusi
s. go
umur yang tidak berubah dan laju pertumbuhan penduduk tahunan yang konstan. Perkiraan bahwa penduduk kemungkinan stabil dapat dicari dari perbandingan catatan distribusi umur
.b p
dalam beberapa sensus. Hasil pengumpulan data sebelumnya menyatakan persentase penduduk tua DI Yogyakarta sebesar 5,5 persen untuk tahun 1995 dan 5,6 persen pada tahun
w
w
2005. Walaupun demikian dalam tulisan ini penduduk tua tetap dilakukan perapihan.
tp :// w
Lakukan perapihan penduduk tua untuk setiap jenis kelamin dengan menggunakan tingkat 5 persen pada tabel A.8a. dimana penduduk laki-laki 70-74 tahun adalah 2,48 persen
ht
dari jumlah penduduk laki-laki dan penduduk laki-laki 75+ tahun adalah 2,52 persen dari jumlah penduduk laki-laki. Hal yang sama dilakukan untuk penghitungan penduduk tua berjenis kelamin perempuan. Tabel A.8b. Perapihan Penduduk Tua Provinsi DI Yogyakarta Umur
Pengali
0-75+
-
70-74 75+
Laki-laki
Perempuan
1.546.861
1.573.617
2,48
38.362
39.026
2,52
38.981
39.655
Catatan: - Perapihan penduduk 70-74 laki-laki
= pengali x jumlah penduduk laki-laki = 2,48 x 1.546.861 = 38.362 - Perapihan penduduk 70-74 perempuan = pengali x jumlah penduduk perempuan = 2,48 x 1.573.617 = 39.026
22
Perapihan Penduduk Umur 0-4 dan 5-9 Tahun Perapihan penduduk 0-4 tahun dan 5-9 tahun dengan menggunakan metode survival ratio. Dalam hal ini jumlah penduduk 0-9 tahun hasil sensus tidak digunakan sebagai penduduk dasar proyeksi, tetapi menggunakan penduduk 0-9 hasil perapihan penduduk, dimana ada perbedaan cara untuk memperoleh penduduk 0-4 dan penduduk 5-9 tahun. Penduduk 0-4 tahun diperoleh dengan menggunakan parameter fertilitas dan mortalitas pada tahun sensus. Penduduk 5-9 tahun menggunakan parameter fertilitas dan mortalitas lima tahun sebelum sensus. Untuk memperoleh parameter fertilitas dan mortalitas tersebut dibutuhkan data penduduk perempuan sepuluh tahun sebelum sensus. Parameter fertilitas yang dibutuhkan adalah ASFR (age specific fertility rate/ angka kelahiran menurut kelompok umur ibu) untuk tahun sensus dan 5 tahun sebelum sensus. Parameter mortalitas yang dibutuhkan adalah IMR (infant mortality rate/ angka kematian bayi) untuk tahun sensus dan
s. go
.id
5 tahun sebelum sensus.
Tabel A.9. Penduduk Perempuan Tahun 1990
w
(2)
tp :// w ht
Jumlah
Setelah Prorata (3)
112.063 140.727 150.932 148.982 145.110 122.517 111.165 87.852 72.378 74.884 73.101 64.313 57.255 44.124 31.324 43.839 59
112.067 140.733 150.938 148.988 145.116 122.522 111.169 87.856 72.381 74.887 73.104 64.316 57.257 44.126 31.325 43.841
1.480.625
1.480.625
w
(1) 0–4 5–9 10 – 14 15 -19 20 – 24 25 – 29 30 – 34 35 – 39 40 – 44 45 – 49 50 – 54 55 -59 60 – 64 65 – 69 70 – 74 75 + TT
Sebelum Prorata
.b p
Kelompok Umur
Diperlukan perkiraan penduduk perempuan untuk lima tahun sebelum sensus dan perkiraan perempuan saat sensus. Dua kelompok perkiraan penduduk perempuan ini digunakan sebagai komponen untuk menentukan kelahiran. Perlakuannya adalah penduduk 23
perempuan sepuluh tahun sebelum sensus dikalikan dengan SR (survival ratio/ peluang tetap hidup) lima tahun sebelum sensus menghasilkan perkiraan penduduk perempuan lima tahun sebelum sensus. Yang akan dikalikan dengan ASFR- nya untuk memperoleh jumlah kelahiran yang nantinya menjadi penduduk 0-4 tahun. Penduduk perempuan lima tahun sebelum sensus kembali dikalikan dengan survival ratio pada saat sensus untuk mendapatkan perkiraan penduduk perempuan tahun sensus. Hasil ini dikalikan dengan ASFR-nya menghasilkan jumlah kelahiran yang nantinya menjadi penduduk 5-9 tahun. Tabel A.10.a. Menentukan Level Life Table dengan IMR Level
Level
IMR
IMR
Level
Rendah
Tinggi
Rendah
Tinggi
Interpolasi
(1)
(2)
(3)
(4)
(5)
(6)
(7)
2000
18,00
24
25
18,38
11,19
24,05
1995
20,30
23
24
26,79
18,38
23,77
s. go
.id
IMR Hasil Hitung
Tahun
.b p
Level = [(kol (2) – kol (6)) x kol (3) + (kol (5) - kol (2)) x kol (4)] [kol (5) – kol (6)]
w
Nilai survival ratio diperoleh dari life table coale demeny west model (lihat lampiran
tp :// w
w
Tabel L.1) dengan cara menghitung terlebih dahulu angka kematian bayi (IMR) untuk menentukan levelnya dimana pada masing-masing level memiliki nilai yang berbeda. Biasanya nilai imr hasil hitung terletak diantara level tertentu maka dilakukan interpolasi
ht
untuk menentukan level yang lebih tepat. Estimasi mortalitas tidak langsung menggunakan metode Trussell memperoleh IMR tahun 1995 sebesar 20,3 dan IMR tahun 2000 sebesar 18.0 per seribu kelahiran hidup. Level yang diperoleh untuk penentuan SR tahun 1995 adalah 23,77 dan untuk tahun 2000 adalah level 24,05. Nilai level yang diperoleh tidak terdapat dengan tepat pada life table maka lakukan interpolasi untuk memperoleh nilai survival ratio masing-masing jenis kelamin.
24
Tabel A.10.b. Survival Ratio Hasil Interpolasi Level 24,05 dan 23,77
Level At Birth 0-4 5-9 10 - 14 15 -19 20 - 24 25 - 29 30 - 34 35 - 39 40 - 44 45 - 49
Survival Ratio Perempuan 23,77 24,05 0,99025 0,99093 0,99922 0,99905 0,99952 0,99949 0,99933 0,99932 0,99890 0,99892 0,99846 0,99852 0,99792 0,99804 0,99695 0,99719 0,99504 0,99551 0,99126 0,99212 0,98520 0,98659
Survival Ratio Laki-laki 23,77 24,05 0,98515 0,98644 0,99836 0,99831 0,99882 0,99891 0,99814 0,99832 0,99698 0,99727 0,99656 0,99688 0,99646 0,99678 0,99560 0,99601 0,99332 0,99397 0,98809 0,98924 0,97853 0,98047
(Prorata)
23,77
(2) x (3)
(2)
(3)
(4)
140.733 150.938 148.988 145.116 122.522 111.169 87.856 72.381 74.887
0,99952 0,99933 0,99890 0,99846 0,99792 0,99695 0,99504 0,99126 0,98520
w
5-9 10 - 14 15 -19 20 - 24 25 - 29 30 - 34 35 - 39 40 - 44 45 - 49
tp :// w
(1)
SR Perempuan Level
140.665 150.837 148.825 144.892 122.267 110.830 87.420 71.748
Perkiraan Perempuan 2000
s. go
Perkiraan Perempuan 1995
.b p
SR Perempuan Level
w
Penduduk Perempuan 1990
ht
Umur
.id
Tabel A.11. Perkiraan Penduduk Perempuan
24,05
(4) x (5)
(5)
(6)
0,99949 0,99932 0,99892 0,99852 0,99804 0,99719 0,99551 0,99212 0,98659
140.569 150.675 148.605 144.608 121.924 110.333 86.731
Penduduk Perempuan 1995 0,5 x (2)+(4) (7)
Penduduk Perempuan 2000 0,5 x (4)+(6) (8)
149.912 146.970 133.707 116.718 99.343 79.900 73.318
145.703 149.750 146.749 133.438 116.377 98.876 79.240
Perkiraan penduduk perempuan lima tahun sebelum sensus adalah rata-rata penduduk perempuan sepuluh sampai lima tahun sebelum sensus. Perkiraan penduduk perempuan saat sensus adalah rata-rata penduduk perempuan lima tahun sebelum sensus sampai dengan pada saat sensus. Hitung juga angka kelahiran menurut kelompok umur ibu (ASFR) pada tahun sensus dan lima tahun sebelum sensus dengan cara tidak langsung menggunakan metode own children. Masing-masing ASFR ini dikalikan dengan perkiraan penduduk wanita menurut kelompok umurnya kemudian dijumlahkan dan kalikan dengan lima menghasilkan jumlah 25
kelahiran. Jumlah kelahiran yang diharapkan dapat dipisahkan menurut jenis kelamin lakilaki dan perempuan dengan menggunakan rasio jenis kelamin saat lahir (sex ratio at birth).
Tabel A.12. Perkiraan Kelahiran Kelompok Umur
Perkiraan Perempuan 1995
ASFR 1995
Kelahiran per Tahun 1990-1995 kol (2) x (3)
Perkiraan Perempuan 2000
ASFR 2000
Kelahiran per Tahun 1995-2000 kol (5) x (6)
(1)
(2)
(3)
(4)
(5)
(6)
(7)
0,0220 0,1050 0,1340 0,0800 0,0450 0,0120 0,0010
3.298,1 15.431,9 17.916,8 9.337,5 4.470,4 958,8 73,3
145.703 149.750 146.749 133.438 116.377 98.876 79.240
1,995
51.486,7
0,0140 0,0620 0,0880 0,0710 0,0350 0,0130 0,0040
.id
149.912 146.970 133.707 116.718 99.343 79.900 73.318
1,435
2.039,8 9.284,5 12.913,9 9.474,1 4.073,2 1.285,4 317,0 39.387,8
s. go
15 -19 20 – 24 25 – 29 30 – 34 35 – 39 40 – 44 45 – 49
Jumlah kelahiran selama setahun yang diperoleh dikonversikan menjadi penduduk 0-4
.b p
dan 5-9 untuk tahun 2000. Penduduk 0-4 tahun diperoleh dari kelahiran pada tahun sensus
w
dikalikan dengan survival ratio at birth pada tahun sensus. Penduduk 5-9 diperoleh dari
w
kelahiran lima tahun sebelum sensus dikalikan dengan survival ratio at birth lima tahun
tp :// w
sebelum sensus dan dikalikan lagi dengan survival ratio 0-4 pada tahun sensus. Sama dengan cara memperoleh perkiraan penduduk perempuan dimana survial ratio untuk tahun 1995 dari
A.13.
26
ht
level 23,77 dan untuk tahun 2000 dari level 24,05. Agar lebih mudah memahami lihat Tabel
Tabel A.13. Penghitungan Penduduk 0-4 dan 5-9 Tahun Penghitungan (1)
Kelahiran Bayi SR at Birth Penduduk 0-4 SR 0-4
pertahun lima tahun Laki-laki Perempuan Laki-laki Perempuan Laki-laki Perempuan Laki-laki Perempuan Laki-laki Perempuan
(a) (b) (c) (d) (e) (f) (g) (h) (i) (j) (k) (l)
(a) x 5 (b) x 105/205 (b) - (c)
(c) x (e) (d) x (f)
2000
(3)
(4)
51.487 257.434 131.856 125.577 0,98515 0,99025 129.898 124.353
39.388 196.939 100.871 96.068 0,98644 0,99093 99.504 95.196 0,99831 0,99905 129.679 124.235
(g3) x (i4) (h3) x (j4)
.id
Penduduk 5-9
(2)
Tahun 1995
s. go
Penduduk yang diperlukan adalah penduduk pada keadaan tahun 2000 yaitu yang berumur 0-4 tahun dan 5-9 tahun menurut jenis kelamin. Penduduk pada tahun 2000 yang
.b p
berumur 5-9 tahun, berasal dari penduduk berumur 0-4 tahun di tahun 1995. Dengan
w
w
demikian selesailah tahapan perapihan umur muda menggunakan metode survial ratio.
tp :// w
Berikut pengabungan keempat tahapan perapihan umur dapat dilihat pada tabel
ht
penduduk hasil perapihan dibawah ini.
27
Tabel A.14. Penduduk DI Yogyakarta hasil Perapihan Umur
Jumlah
Laki-laki
Perempuan
0–4 5–9 10 – 14 15 -19 20 – 24 25 – 29 30 – 34 35 – 39 40 – 44 45 – 49 50 – 54 55 -59 60 – 64 65 – 69 70 – 74 75 +
99.504 129.679 128.166 158.394 165.400 138.158 120.474 113.998 102.638 84.091 66.026 59.781 55.474 44.999 38.362 38.981
95.196 124.235 122.641 150.199 154.745 135.585 127.139 121.530 105.555 85.472 70.783 66.032 63.695 53.973 39.026 39.655
Jumlah
1.544.125
1.555.462
Hasil SP 2000
1.546.861
1.573.617
194.700 253.914 250.807 308.593 320.145 273.743 247.613 235.528 208.194 169.563 136.809 125.813 119.169 98.972 77.388 78.636
Perapihan umur dengan Survival ratio
Perapihan umur dengan UN smooth
Perapihan umur dengan Stable Population
3.099.586
.b p
Umur
.id
Jenis Kelamin
s. go
Kelompok
tp :// w
w
w
3.120.478
Sebelum digunakan sebagai input perlu kehati-hatian untuk jumlah
penduduk,
dimana jumlah penduduknya harus disesuaikan dengan hasil sensus/pengumpulan data. Pada
ht
tabel A14. jumlah laki-laki dan perempuan hasil perapihan adalah 3.099.586 sedangkan hasil SP2000 sebesar 3.120.478 karena berbeda maka harus diprorata untuk setiap kelompok umur agar hasil perapihan dan hasil SP2000 sama. Teknik yang digunakan adalah melakukan prorata untuk penduduk total (laki-laki + perempuan) menurut kelompok umur dan prorata pada penduduk perempuan menurut kelompok umur, sedangkan penduduk laki-laki prorata diperoleh dari pengurangan jumlah penduduk dengan penduduk perempuan. Hasil prorata ini akan digunakan sebagai data dasar dari periode awal proyeksi dan sebagai input dalam menjalankan paket program fivsin. Iterasi mungkin diperlukan bila jumlah penduduk perlu dikontrol dengan penduduk secara nasional.
28
Tabel A.15. Penduduk DI Yogyakarta Setelah di Prorata Kelompok
Jenis Kelamin 99.705 129.940 128.425 158.721 165.751 138.421 120.659 114.166 102.810 84.237 66.122 59.858 55.534 45.036 38.428 39.048
Jumlah
1.546.861
96.307 125.685 124.072 151.952 156.554 137.167 128.623 122.949 106.787 86.469 71.609 66.803 64.438 54.603 39.481 40.118
196.012 255.625 252.497 310.673 322.305 275.588 249.282 237.115 209.597 170.706 137.731 126.661 119.972 99.639 77.909 79.166
1.573.617
3.120.478
ht
tp :// w
w
w
.b p
0–4 5–9 10 - 14 15 -19 20 - 24 25 - 29 30 - 34 35 - 39 40 - 44 45 - 49 50 - 54 55 -59 60 - 64 65 - 69 70 – 74 75 +
Jumlah
Perempuan
.id
Laki-laki
s. go
Umur
29
4.4
Penentuan Asumsi
Data-data yang diperlukan untuk menyusun proyeksi penduduk adalah data dasar penduduk menurut jenis kelamin dan kelompok umur hasil sensus, tingkat fertilitas, tingkat mortalitas dan angka migrasi. Data fertilitas dan mortalitas yang digunakan dalam menyusun proyeksi penduduk adalah fertilitas dan mortalitas masa lampau, masa kini (berdasarkan hasil SP, SDKI atau survei-survei kependudukan lainnya termasuk hasil registrasi kependudukan dari kantor catatan sipil) serta data masa akan datang yang ditargetkan. Data masa lampau sudah tersedia berdasarkan sensus atau survei yang telah dilakukan, data sekarang dapat diperoleh dari penghitungan berdasarkan sensus sekarang (dengan menggunakan salah satu metode). Sementara untuk memperoleh data fertilitas dan mortalitas dan migrasi yang ditargetkan diperoleh dengan menentukan asumsi.
.id
Menentukan asumsi merupakan kunci penghitungan proyeksi penduduk. Biasanya
s. go
asumsi mengenai kecenderungan tiga komponen laju pertumbuhan penduduk yaitu, tingkat kelahiran, kematian, serta perpindahan penduduk ditentukan oleh kecenderungan yang terjadi
.b p
di masa lalu dengan memperhatikan berbagai faktor yang mempengaruhi ketiga komponen
w
itu. Namun begitu, informasi ini belum cukup, karena harus dilengkapi dengan
w
kecenderungan yang mungkin terjadi di masa yang akan datang akibat pelaksanaan kebijakan
tp :// w
pembangunan sektor yang terkait dengan masalah kependudukan. Hal ini diwakili oleh pandangan dan kesepakatan para pakar, para penyusun kebijakan dan para pengambil
ht
keputusan. Selain itu penentuan asumsi fertilitas dan mortalitas juga mempertimbangkan angka target MDGs. Masukan tersebut di atas menjadi pegangan tim teknis BPS dalam menentukan asumsi proyeksi. Setelah mendapatkan masukan dari para pakar, mempertimbangkan target MDGs dan melihat tren fertilitas dan mortalitas, maka perlu dibuat fitting curve untuk menentukan target dimasa mendatang baik tingkat provinsi maupun nasional. Sebagai contoh penentuan asumsi untuk penghitungan proyeksi penduduk tahun 2000-2015 berdasarkan SP2000 untuk Provinsi DI Yogyakarta adalah sebagai berikut: Asumsi Fertilitas Penentuan asumsi fertilitas mengikuti pola angka kelahiran total (TFR) masa lampau. TFR Indonesia secara nyata terus mengalami penurunan, sehingga diproyeksikan akan mencapai Net Reproduction Rate (NRR) = 1 atau setara TFR = 2,1 pada tahun 2015.
30
Suatu wilayah mencapai NRR = 1, atau mencapai tingkat replacement level, yaitu saat dimana satu ibu diganti secara tepat oleh satu bayi perempuan. Pada saat itu bukan berarti laju pertumbuhan penduduk sama dengan nol, atau penduduk tanpa pertumbuhan, tetapi penduduk akan tetap bertambah dengan laju pertumbuhan yang relatif stabil. Angka perkiraan TFR diperoleh dengan menggunakan rumus fungsi logistik:
Y = L+
k 1+ be at
dimana: = perkiraan TFR
L
= perkiraan asymtot bawah TFR pada saat NRR=1
k
= suatu besaran (konstanta), untuk menentukan asymptot atas
a dan b
= koefisien kurva logistik
t
= waktu sebagai variabel bebas
e
= konstanta eksponensial
.b p
s. go
.id
Y
w
TFR di setiap provinsi diasumsikan menurun dengan kecepatan yang berbeda
w
sesuai dengan tren di masa lampau masing-masing provinsi dan diproyeksikan dengan
tp :// w
menggunakan rumus fungsi logistik seperti proyeksi TFR Indonesia. Selain menggunakan kecenderungan tingkat fertilitas di masa lampau, juga digunakan target pencapaian tingkat
ht
fertilitas di masa yang akan datang yang didapat dari Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN). Seperti halnya pada tingkat nasional, apabila provinsi telah mencapai situasi NRR=1 atau setara TFR=2,1, maka kecenderungan TFR akan ditahan/dipagu pada angka 2,1 tersebut. Untuk provinsi-provinsi yang telah mencapai NRR=1 atau setara TFR=2,1 dan bahkan telah berada di bawah nilai “replacement level” tersebut, TFR akan dibuat konstan atau tidak dilanjutkan penurunannya sampai level fertilitas paling rendah 1,2 anak per wanita sebagaimana pengalaman level fertilitas pada negara maju. Sebagai contoh penghitungan proyeksi, TFR DI Yogyakarta berdasarkan SP 2000 sebesar 1,435. Angka ini sudah dibawah target yang harus dicapai pada tahun 2015 untuk tingkat nasional. Oleh karena itu angka ini tetap dilanjutkan penurunannya, tetapi tidak sampai level terendah 1,2 anak per wanita sebagaimana pengalaman fertilitas pada negara maju.
31
Asumsi Mortalitas Sebagaimana pola TFR, pola Angka Kematian Bayi (IMR) Indonesia juga terus menurun dari tahun ketahun. Penentuan asumsi angka kematian disesuaikan dengan Tujuan Pembangunan Millenium (Millenium Development Goals/MDGs), dengan menggunakan rumus fungsi logistik.
Y = L+
k 1 + be at
dimana: = perkiraan IMR
L
= perkiraan asymtot bawah
k
= suatu besaran, dimana k+L=180 adalah asymtot atas
a dan b
= koefisien kurva logistik
t
= waktu sebagai variabel bebas
e
= konstanta eksponensial
.b p
s. go
.id
Y
w
IMR di setiap provinsi menurun dengan kecepatan yang berbeda sesuai dengan tren di
w
masa lampau masing-masing provinsi dan diproyeksikan dengan menggunakan rumus fungsi
tp :// w
logistik seperti proyeksi TFR Indonesia. Selain menggunakan data kecenderungan tingkat mortalitas di masa lampau, juga digunakan informasi mengenai target pencapaian tingkat
ht
mortalitas di masa yang akan datang yang didapat dari Kementerian Kesehatan. Contoh penghitungan proyeksi penduduk tahun 2000-2010 Provinsi DI Yogyakarta menggunakan asumsi pada tahun 2015 akan mencapai IMR = 10, sesuai dengan target MDGs.
Asumsi Migrasi Migrasi internasional neto dapat diabaikan (diasumsikan sama dengan nol), karena orang yang keluar-masuk Indonesia diperkirakan seimbang dan relatif sangat kecil dibandingkan dengan jumlah penduduk Indonesia. Sedangkan asumsi pola migrasi provinsi dianggap sama dengan pola migrasi data dasar yaitu pola migrasi berdasarkan data SP2000. Pola migrasi yang dipakai adalah pola migrasi risen tahun 1995-2000 dan dihitung dengan metode Age Specific Net Migration Rate (ASNMR) menurut umur dan jenis kelamin.
32
ASNMR untuk penduduk 5 tahun ke atas baik laki-laki maupun perempuan dihitung dengan rumus: ASNMRi = Ini − Outi / ( 5 x Pi mid 95-00 ) x 1000 dimana : Ini
= Migrasi masuk di provinsi i
Outi
= Migrasi keluar di provinsi i
Pi mid 95-00
= Penduduk pertengahan tahun 1995-2000
(
)
(
s. go
Sedangkan ASNMR untuk penduduk 0-4 tahun dihitung dengan rumus :
.id
P 100 ,25 ×P M 0,25Px M015-49 x 100/205 15 − 49 × 205 ×1000 ASNMR0− 4 = P 5 × P0− 4
0,25 × M 15− 49 × 105
ASNMR0− 4 =
L
w
w
5 × P0− 4
)
205 ×1000
.b p
P
L
tp :// w
dimana :
= ASNMR untuk penduduk perempuan umur 0-4 tahun
ASNMR0-4L
= ASNMR untuk penduduk laki-laki umur 0-4 tahun
ht
ASNMR0-4P
M15-49P = jumlah migran perempuan umur 15-49 tahun P0-4P
= jumlah penduduk perempuan umur 0-4 tahun
P0-4L
= jumlah penduduk laki-laki umur 0-4 tahun
33
Tabel A.16. Migrasi Neto DI Yogyakarta Perempuan 6.28 0.07 0.78 18.57 24.22 -6.11 -0.81 -0.07 -0.40 0.55 0.40 0.22 -0.36 -0.05 -0.38 -0.91 42.00
.id
Laki-laki 5.82 0.57 0.81 19.98 49.50 -7.25 -5.96 -0.60 -0.51 -0.64 -0.40 1.42 -0.22 -0.47 -1.13 -2.90 58.02
s. go
Umur 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+ Total
.b p
Migrasi Neto yang diperoleh dari data sensus penduduk menurut kelompok umur diperoleh dari migrasi risen lima tahunan. Angka migrasi yang akan dipakai untuk asumsi
w
w
perlu dibuat menjadi migrasi neto pertahun. Angka migrasi yang bertanda negatif berarti
tp :// w
bahwa pada kelompok umur tersebut lebih banyak penduduk yang keluar dibandingkan yang masuk ke Yogyakarta. Sebaliknya angka migrasi neto positif menandakan bahwa penduduk
Yogyakarta.
ht
pada kelompok umur tersebut lebih banyak yang masuk ke Yogyakarta ketimbang keluar
Keterbatasan kemampuan untuk memprediksi keadaan migrasi dimasa yang akan datang menjadi penyebab bahwa asumsi migrasi dianggap selalu sama untuk periode awal proyeksi hingga masa yang akan datang.
Fitting Curve Fitting curve merupakan kurva terbaik yang menghubungkan titik-titik parameter, berdasarkan hasil hitungan TFR dan IMR sebagaimana fungsi logistik yang telah ditampilkan di atas. Kurva ini digunakan untuk memperoleh angka-angka parameter yang diharapkan, berdasarkan tren masa lalu dan target yang harus dicapai. Kurva yang dipilih adalah kurva dengan bentuk yang paling baik atau bentuk yang paling pas, dimana biasanya kurva tersebut melalui nilai target yang diharapkan. Langkahlangkah pembuatan fitting curve akan dijelaskan sebagai berikut: 34
a. Fitting Curve TFR GambarA.2. adalah gambar Fitting Curve yang telah dipilih. Titik-titik berturut-turut merupakan nilai TFR berdasarkan SP1971, Supas 1976, SP1980, Supas1985, SP1990, Supas1995, Target MDGs 2015. Fitting curve dibuat berdasarkan hasil hitungan perkiraan TFR, oleh karena itu langkah awal yang harus dilakukan adalah menghitung perkiraan TFR, dengan menggunakan fungsi logistik sebgaimana telah dijelaskan di atas.
Gambar A.2. Fiting Curve TFR Fitting Curve TFR YOGYAKARTA 5,5 5,0
SP71
4,5
.id
SUPAS76
3,5
s. go
4,0
SUPAS85
2,5
w
3,0
w
.b p
SP80
1,5
ht
1,0 1965
SP90
SUPAS95
tp :// w
2,0
1970
1975
1980
1985
SP2000
1990
1995
2000
2005
MDGs
2010
2015
2020
2025
2030
35
Langkah-langkah untuk menghitung perkiraan TFR adalah: 1.
Mencari nilai waktu (t) Tabel A.17. TFR berdasarkan Sensus/Survei Tahun 1971-2000 dan Target MDGs Sensus/ Survey date
t
TFR
SP'71
1971
0
4,755
SUPAS'76
1976
5
4,470
SP'80
1980
9
3,415
SUPAS'85
1985
14
2,930
SP'90
1990
19
2,082
SUPAS'95
1995
24
2,002
SP2000
2000
29
1,435
MDGs
2015
44
.id
Sensus/ Survey
.b p
s. go
1,379
w
t untuk SP71 merupakan awal penghitungan, sehingga dianggap tahun ke 0. Sedangkan untuk
tp :// w
w
menentukan t selanjutnya menggunakan rumus: Tahun survei/sensus – tahun survei/sensus sebelumnya + t sebelumnya
ht
Misal menghitung t untuk SUPAS 76 = 1976-1971+0
2.
=5
Selanjutnya mencari nilai koefisien a dan b.
Untuk memperoleh a dan b, terlebih dahulu harus ditentukan nilai perkiraan asymtot bawah TFR (L) dan suatu konstanta, untuk menentukan asymtot atas (k). Nilai k dan L ditentukan secara manual, tidak ada rumus tertentu, tetapi yang harus diperhatikan adalah nilai L harus lebih kecil daripada nilai target yag diharapkan. Misal untuk Provinsi DI Yogyakarta, target MDGs dari nilai TFR yang diharapkan tercapai pada tahun 2015 adalah 1,383. Pada contoh ini nilai L diambil 1,377
36
Tabel A.18. Fitting Curve TFR Y=ln{(k/(F-L))-1}
Sensus/ Survey date
T
SP'71 SUPAS'76 SP'80 SUPAS'85 SP'90 SUPAS'95 SP2000
1971 1976 1980 1985 1990 1995 2000
0 5 9 14 19 24 29
MDGs
2015
44
k=
3,700
L= 4,755 4,470 3,415 2,930 2,082 2,002 1,435
1,377 -2,35049 -1,62837 -0,20395 0,32388 1,44650 1,59331 4,13985
1,379
7,52240
TFR
Intercept
=
-2,64081796
X Coefficient (s)
=
0,22201166
=
a
0,07130292
=
b
.id
Sensus/ Survey
s. go
Langkah selanjutnya adalah menghitung nilai Y yang merupakan fungsi Ln dari TFR dan
.b p
asymtot, dengan rumus:
w
Y= Ln {k/(F-L))-1}
tp :// w
w
Nilai Y ini digunakan untuk menghitung intercept dan koefisien a dan b yang akan digunakan untuk memperkirakan TFR. Dengan menggunakan program Microsoft Excel nilai intercept
a.
ht
dan koefisien a dan b dapat diperoleh.
Rumus untuk memperoleh nilai intercept: = INTERCEPT(H7:H14;D7:D14)
Dimana: H7 sampai H14 adalah hasil penghitungan Y dari SP71 sampai dengan target MDGs. D7 sampai D14 adalah nilai waktu (t) Untuk lebih jelasnya dapat dilihat di Gambar A.3.
37
Gambar A.3. Penghitungan intercept
=INTERCEPT(H7:H14;D7:D14)
=Exp(F19)
w
Rumus untuk penghitungan koefisien a
w
b.
.b p
s. go
.id
=LINEST(H7:H14;D7:D14;F19)
tp :// w
=LINEST(H7:H14;D7:D14;F19)
MDGs.
ht
Dimana: H7 sampai H14 adalah hasil penghitungan Y dari SP71 sampai dengan target
D7 sampai D14 adalah nilai waktu (t) dan F19 adalah intercept. c.
Rumus untuk memperoleh koefisien b: Exp (intercept)
Penghitungan Perkiraan TFR Dengan menggunakan rumus perkiraan TFR yang telah disampaikan di atas, berdasarkan koefisien-koefisien yang telah diperoleh, maka perkiraan TFR nya adalah:
38
Tabel A.19. Hasil Fitting Curve TFR Provinsi DI Yogyakarta Tahun Sensus/ Survei
Tahun (t)
Tahun Rujuk an
Fitting TFR
4,755
1971
0
1968
1
1990
35
2003
1,399
1969
4,775
36
2004
1,394
2
1970
4,707
37
2005
1,391
3
1971
4,626
38
2006
1,388
4
1972
4,531
39
2007
1,386
5
1973
4,419
40
2008
1,384
6
1974
4,290
41
2009
1,383
7
1975
4,144
42
2010
1,382
8
1976
3,980
43
2011
1,381
9
1977
3,802
44
2012
1,380
10
1978
3,611
45
2013
1,379
11
1979
3,410
46
2014
1,379
12
1980
3,205
47
2015
1,379
13
1981
3,001
48
2016
1,378
14
1982
2,802
49
2017
1,378
15
1983
2,613
50
2018
1,378
16
1984
2,438
51
2019
1,378
17
1985
52
2020
1,378
18
1986
2,135
53
2021
1,377
2,002
1,435
1,379
1995
2000
2005
s. go
.id
4,831
2,278
19
1987
2,010
54
2022
1,377
20
1988
1,902
55
2023
1,377
21
1989
1,810
56
2024
1,377
22
1990
1,732
57
2025
1,377
23
1991
1,667
58
2026
1,377
24
1992
1,613
59
2027
1,377
25
1993
1,568
60
2028
1,377
26
1994
1,532
61
2029
1,377
27
1995
1,502
62
2030
1,377
28
1996
1,478
63
2031
1,377
29
1997
1,458
64
2032
1,377
30
1998
1,442
65
2033
1,377
31
1999
1,429
66
2034
1,377
32
2000
1,419
67
2035
1,377
33
2001
1,411
68
2036
1,377
34
2002
1,404
69
2037
1,377
ht
2,082
1985
TFR Observasi
.b p
2,930
1980
Fitting TFR
w
3,415
1976
Tahun Rujukan
tp :// w
4,470
Tahun (t)
w
TFR Observasi
39
Berdasarkan tabel di atas terlihat bahwa target MDGs, yaitu pada tahun 2015 TFR sebesar 1,383 tercapai. Setelah didapat angka perkiraan TFR ini, maka selanjutnya adalah menggambar perkiraan TFR ini menjadi kurva. Untuk mendapatkan gambar/kurva yang halus yang bisa diubah-ubah adalah nilai L dan k yang telah ditentukan. Sehingga diperoleh kurva seperti pada Gambar A.2, dimana titik target MDGs terlewati kurva tersebut. TFR hasil fitting curve ini akan digunakan sebagai input untuk menghitung proyeksi penduduk, yaitu TFR tahun 2000, 2005, 2010, 2015, 2020, 2025 dan 2030.
Tahun Rujukan
TFR
2000
1997
1,458
2005
2002
1,404
2010
2007
2015
2012
2020
2017
2025
2022
1,377
2030
1,377
.b p
s. go
.id
Tahun
w
Tabel A.20. TFR Provinsi DI Yogyakarta Tahun 2000-2030
1,380 1,378
tp :// w
w
2027
1,386
ht
Penghitungan Perkiraan ASFR
Selain TFR, input yang diperlukan untuk meghitung proyeksi penduduk dengan program Fivsin adalah ASFR. Berdasarkan perkiraan TFR hasil fitting curve, dapat diperkirakan juga nilai ASFR nya. ASFR yang digunakan untuk memperkirakan ASFR beberapa tahun kedepan adalah ASFR berdasarkan hasil sensus yang kita gunakan sebagai dasar proyeksi dan ASFR survei atau sensus sebelumnya.
Langkah pertama yang dilakukan adalah menentukan koefisien a dan b berdasarkan ASFR yang sudah ada.
40
Gambar A.4. Penghitungan ASFR
b=((($B8-$B7)*C8)-($B8-$B7))/(C7-C8)
a=C7*C11
Koefisien a dan b dicari untuk masing-masing kelompok umur ibu, yaitu dari 15-19
.id
sampai dengan 45-49.
s. go
Langkah selanjutnya adalah menghitung ASFR mulai dari tahun 1982 sampai dengan
.b p
tahun 2032. Tahun 1982 merupakan 10 tahun sebelum tahun rujukan (1992) hasil survei (SUPAS 1995) sebelum sensus yang digunakan sebagai dasar proyeksi. Dalam pedoman ini
w
tahun dasar yang digunakan adalah hasil SP2000, survei sebelum SP2000 adalah
tp :// w
w
SUPAS1995, tahun rujukan ASFR berdasarkan SUPAS 1995 adalah tahun 1992, sehingga 10 tahun sebelumnya adalah 1982.
ASFR yang akan diperkirakan diperoleh dengan melakukan interpolasi berdasarkan ASFR
ht
yang telah diperoleh dari penghitungan hasil SUPAS.
Untuk lebih mudahnya penghitungan ASFR dibentuk dalam worksheet seperti Gambar berikut:
41
s. go
.id
Gambar A.5. Penghitungan ASFR (Lanjutan)
=(($B19-$B$18)+C$10)/(($B19-$B$18)+C$11)
w
w
.b p
=(($B18-$B$18)+C$10)/(($B18-$B$18)+C$11)
tp :// w
Setelah didapat nilai ASFR untuk satu tahun rujukan, lalu dihitung TFR dengan rumus:
ht
TFR = 5 x jumlah ASFR
Nilai TFR yang diperoleh dari penghitungan berdasarkan ASFR tersebut di atas, berbeda dengan TFR hasil fitting curve. Oleh karena itu perlu dilakukan prorata dengan kontrol TFR hasil fitting curve.
42
.id
Gambar A.6. Proses Penghitungan ASFR (Lanjutan)
.b p
s. go
=$K18*1000/$J18*C18
ASFR hasil prorata ini yang akan digunakan sebagai input fivsin untuk proyeksi. Tahun
w
w
rujukan yang digunakan untuk input fivsin, sama dengan tahun rujukan TFR. Nilai TFR yang
tp :// w
digunakan sebagai kontrol prorata dikalikan dengan 1000, karena ASFR hasil penghitungan hasil survei yang digunakan dikalikan 1000.
ht
Hasil ASFR yang diperoleh adalah sebagai berikut:
Tabel A.21. Hasil Estimasi TFR dan ASFR Provinsi DI Yogyakarta Tahun 2000-2030 Estimasi Hasil Fitting Tahun
Rujukan
TFR
2000 2005
1997 2002
2010 2015 2020 2025 2030
2007 2012 2017 2022 2027
ASFR 15-19
20-24
25-29
30-34
35-39
40-44
45-49
1,458 1,404
0,0126 0,0115
0,0516 0,0461
0,0787 0,0714
0,0871 0,0869
0,0366 0,0347
0,0235 0,0286
0,0015 0,0016
1,386 1,380 1,378 1,377 1,377
0,0109 0,0104 0,0098 0,0092 0,0083
0,0425 0,0396 0,0367 0,0336 0,0298
0,0665 0,0623 0,0580 0,0533 0,0474
0,0870 0,0863 0,0843 0,0805 0,0739
0,0333 0,0320 0,0305 0,0285 0,0257
0,0352 0,0436 0,0543 0,0685 0,0884
0,0018 0,0019 0,0020 0,0020 0,0020
43
b.
Fitting Curve IMR Proses pembuatan fitting curve untuk IMR sama dengan langkah-langkah pembuatan
fitting curve untuk TFR Proses dan hasil fitting curve IMR Provinsi DI Yogyakarta yang diperoleh adalah sebagai berikut:
Tabel A.22. Fitting Curve IMR Provinsi DI Yogyakarta Y=ln{(k/(F-L))-1} Sensus/ Survey date
62,0
0,71779
1990
42,0
1,34514
2000
29
18,0
2010
39
2015
44
16,00 10,00
=
w ht
L = batas bawah F = nilai IMR
2,73024 2,96374 4,35120
-0,28303835
w
=
tp :// w
k = batas atas
.id
9 19
X Coefficient (s)
44
7,90
1980
Constant
Keterangan:
L=
s. go
MDGs
165,00
-0,28309
SP
Est
k=
102,0
1971
SP
IMR
0
SP SP
t
.b p
Sensus/ Survey
0,09659473 0,75349089
=
a
=
b
Tabel A.23. Hasil Fitting Curve IMR Provinsi DI Yogyakarta
IMR Observasi
Tahun Sensus/ Survei
Tahun (t)
Tahun Rujukan
Fitting IMR
102,00
1971
0
1967
1
102,00
35
2002
15,03
1968
98,07
36
2003
14,40
2
1969
94,10
37
2004
13,82
3
1970
90,12
38
2005
13,29
4
1971
86,14
39
2006
12,81
5
1972
82,18
40
2007
12,37
6
1973
78,26
41
2008
11,97
7
1974
74,39
42
2009
11,60
8
1975
70,59
43
2010
11,27
9
1976
66,88
44
2011
10,97
10
1977
63,28
45
2012
10,69
11
1978
59,78
46
2013
10,43
12
1979
56,41
47
2014
10,20
13
1980
53,17
48
2015
10,00
14
1981
50,06
49
2016
9,80
15
1982
47,10
50
2017
9,63
16
51
2018
9,47
w
.b p
s. go
.id
Fitting IMR
w
18,00
Tahun Rujukan
44,29
17
1984
41,62
52
2019
9,33
18
1985
39,11
53
2020
9,20
19
1986
36,74
54
2021
9,08
20
1987
34,51
55
2022
8,97
21
1988
32,42
56
2023
8,87
22
1989
30,47
57
2024
8,78
23
1990
28,66
58
2025
8,70
24
1991
26,97
59
2026
8,63
25
1992
25,40
60
2027
8,56
26
1993
23,94
61
2028
8,50
27
1994
22,60
62
2029
8,45
28
1995
21,35
63
2030
8,40
29
1996
20,21
64
2031
8,35
30
1997
19,15
65
2032
8,31
31
1998
18,18
66
2033
8,27
32
1999
17,29
67
2034
8,24
33
2000
16,47
68
2035
8,21
34
2001
15,72
69
2036
8,18
1990
2000
1983
tp :// w
42,00
1980
Tahun (t)
ht
62,00
IMR Observasi
45
Gambar A.7. Fitting Curve IMR Provinsi DI Yogyakarta
FITTING CURVE IMR - YOGYAKARTA
120,0
SP71
100,0
80,0
60,0
SP80
SP90
40,0
SP2000
20,0
Est 2010
0,0 1975
1980
1985
1990
1995
2000
2005
2010
s. go
1970
2015
2020
2025
2030
.b p
1965
.id
MDGs
Tahun Rujukan
IMR
2000
1996
20,21
2005
2001
15,72
2010
2006
12,81
2015
2011
10,97
2020
2016
9,80
2025
2021
9,08
2030
2026
8,63
ht
tp :// w
Tahun
w
w
Tabel A.24. Estimasi IMR hasil Fitting Curve
IMR yang diperoleh dari fitting curve tidak digunakan sebagai input fivsin untuk proyeksi. IMR ini digunakan untuk memperoleh level yang akan digunakan untuk mendapatkan angka harapan hidup (e0), dimana e0 merupakan salah satu input fivsin. Level diperoleh dari life table Coale Demeny model west, tetapi yang terdapat di life table hanya untuk laki-laki dan perempuan. Oleh karena itu kita perlu mencari level dan IMR total (laki-laki+perempuan). IMR dan level total menggunakan rumus: {(IMR Laki-laki x100) + (IMR Perempuan x 106)}/206 46
Tabel A.25a. Penentuan Level dan IMR Total IMR dari Life Table
Level
P
L+P
(1)
(2)
(3)
(4)
12
174,20
144,69
159,02
13
154,69
128,73
141,33
14
136,58
113,89
124,90
15
121,04
100,23
110,33
16
106,25
87,36
96,53
17
92,46
75,10
83,53
18
79,23
63,46
71,12
19
66,61
52,47
59,33
20
54,64
42,10
48,19
21
42,82
32,02
37,26
22
31,85
23,29
27,45
23
22,04
15,51
18,68
24
13,65
9,13
11,32
25
7,16
4,47
5,78
w
w
.b p
s. go
.id
L
tp :// w
Tabel A.25b. Penentuan Level Kematian Berdasarkan IMR Input IMR
Level
Level
IMR
IMR
Bawah
Atas
Bawah
Atas
Level Observasi
(2)
(3)
(4)
(5)
(6)
(7)
(8)
1
2000
20,21
22
23
27,45
18,68
22,83
2
2005
15,72
23
24
18,68
11,32
23,40
3
2010
12,81
23
24
18,68
11,32
23,80
4
2015
10,97
24
25
11,32
5,78
24,06
5
2020
9,80
24
25
11,32
5,78
24,27
6
2025
9,08
24
25
11,32
5,78
24,40
7
2030
8,63
24
25
11,32
5,78
24,49
(1)
Tahun
ht
No
IMR hasil fitting curve untuk tahun 2000 adalah sebesar 21,02, ini terletak antara level 22 dan 23, untuk mendapatkan level yang tepat dengan IMR 21,02 adalah dengan cara ekstrapolasi dengan rumus:
47
level bawah +
( IMRWilayah A − IMR di level bawah) ( IMR di level atas − IMR di level bawah)
Setelah diperoleh level, maka dari life table akan diperoleh e0. Pada level yang sama akan diperoleh e0 untuk laki-laki dan e0 perempuan. Untuk memperoleh e0 perempuan, menggunakan rumus sebagai berikut: {e0 Atas x (level observasi – level Bawah)} + {(e0 Bawah x (level Atas – level observasi)}
Level Atas (5)
Perempuan e0 e0 Bawah Atas (6) (7)
22,0
23,0
72,50
75,00
74,56
68,57
71,19
70,73
23,40
23,0
24,0
75,00
77,50
76,01
71,20
73,91
72,29
2010
23,80
23,0
24,0
75,00
77,50
76,99
71,20
73,90
73,35
4
2015
24,06
24,0
25,0
77,50
80,00
77,66
73,91
76,65
74,09
5
2020
24,27
24,0
25,0
w
77,50
80,00
78,18
73,91
76,65
74,66
6
2025
24,40
24,0
w
Tabel A. 26. Menentukan e0
25,0
77,50
80,00
78,51
73,91
76,65
75,02
7
2030
24,49
24,0
25,0
77,50
80,00
78,71
73,91
76,65
75,24
1
2000
22,83
2
2005
3
e0 Perempuan (8)
.id
(2)
s. go
(1)
Laki-laki e0 e0 Bawah Atas (9) (10)
e0 Laki-laki (11)
ht
tp :// w
Tahun
.b p
Level Level (observasi) Bawah (3) (4)
No
{kol (7) x (kol (3) –kol (4))} + {kol (6) x (kol(5)-kol(3))}
{kol (10) x (kol (3) –kol (4))} + {kol (9) x (kol(5)-kol(3))}
Untuk memperoleh e0 laki-laki, caranya sama dengan cara memperoleh e0 perempuan, hanya e0 high dan e0 low nya menggunakan e0 high dan e0 low laki-laki dari life table. Sehingga diperoleh e0 sebagai berikut:
48
Tabel A.27. Angka Harapan Hidup (e0) Tahun 2000-2030
No
Tahun Survei
(1)
e0 Perempuan
(2)
(3)
(4)
1
2000
70,73
74,56
2
2005
72,29
76,01
3
2010
73,35
76,99
4
2015
74,09
77,66
5
2020
74,66
78,18
6
2025
75,02
78,51
7
2030
75,24
78,71
.id
Laki-laki
ht
tp :// w
w
w
.b p
s. go
Angka ini yang akan digunakan sebagi input untuk menghitung proyeksi.
49
5.
Input dan Output Proyeksi
Penghitungan proyeksi menggunakan paket program komputer yaitu FIVSIN. Untuk menjalankannya copy seluruh file program dalam direktori komputer dan untuk jalankan (double klik) pada 1 file bernama fivfiv.exe. Fivfiv merupakan kepanjangan dari ‘five-five’ karena menggunakan kelompok umur 5 tahun dan rentang 5 tahun setiap putaran proyeksi. Komposisi penduduk dalam ribuan yang telah dirapihkan dan mungkin juga telah di interpolasi digunakan sebagai input untuk menjalankan program fivsin. Selain itu angka harapan hidup, angka kelahiran total dan angka kelahiran menurut kelompok umur juga angka migrasi neto digunakan sebagai input program fivsin. Susun semua input tersebut sesuai format layout dari program.
.id
Tabel A.28 Penduduk DI Yogyakarta Tahun 2000
Laki-laki
ht Total
50
Perempuan
w w
1.546,86
Total
96,31 125,69 124,07 151,95 156,55 137,17 128,62 122,95 106,79 86,47 71,61 66,80 64,44 54,60 39,48 40,12
196,01 255,63 252,50 310,67 322,31 275,59 249,28 237,12 209,60 170,71 137,73 126,66 119,97 99,64 77,91 79,17
1.573,62
3.120,48
.b p
99,71 129,94 128,43 158,72 165,75 138,42 120,66 114,17 102,81 84,24 66,12 59,86 55,53 45,04 38,43 39,05
tp :// w
0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+
s. go
sebagai input (dalam ribuan)
Tabel A.29. Hasil Asumsi Tren Angka Harapan Hidup Sejak Lahir, sebagai input No
Tahun Survei
(1) 1 2 3 4 5 6 7
e0 Laki-laki
Perempuan
(2)
(3)
(4)
2000 2005 2010 2015 2020 2025 2030
70,73 72,29 73,35 74,09 74,66 75,02 75,24
74,56 76,01 76,99 77,66 78,18 78,51 78,71
Tabel A.30. Hasil Asumsi Kelahiran sebagai input Estimasi Hasil Fitting TFR
2000 2005
1997 2002
2010 2015 2020 2025 2030
2007 2012 2017 2022 2027
ASFR 20-24
1,458 1,404
0,0126 0,0115
0,0516 0,0461
1,386 1,380 1,378 1,377 1,377
0,0109 0,0104 0,0098 0,0092 0,0083
0,0425 0,0396 0,0367 0,0336 0,0298
35-39
0,0787 0,0714
0,0871 0,0869
0,0366 0,0347
0,0235 0,0286
0,0015 0,0016
0,0665 0,0623 0,0580 0,0533 0,0474
0,0870 0,0863 0,0843 0,0805 0,0739
0,0333 0,0320 0,0305 0,0285 0,0257
0,0352 0,0436 0,0543 0,0685 0,0884
0,0018 0,0019 0,0020 0,0020 0,0020
25-29
tp :// w
w
w
.b p
15-19
.id
Rujukan
30-34
s. go
Tahun
40-44
45-49
ht
Tabel A.31. Hasil Asumsi Migrasi Netto sebagai input Umur 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+ Total
Laki-laki 5,82 0,57 0,81 19,98 49,50 -7,25 -5,96 -0,60 -0,51 -0,64 -0,40 1,42 -0,22 -0,47 -1,13 -2,90 58,02
Perempuan 6,28 0,07 0,78 18,57 24,22 -6,11 -0,81 -0,07 -0,40 0,55 0,40 0,22 -0,36 -0,05 -0,38 -0,91 42,00 51
Susun input diatas sesuai layout fivsin. Operasionalnya dapat mengunakan software microsoft exel dan simpan file dalam bentuk Formatted Text (Space delimited) (*.prn). Isi file tersebut adalah sebagai berikut:
156.55 66.80
137.17 64.44
128.62 54.60
165.75 59.86
138.42 55.53
120.66 45.04
78,18 74,66
78,51 75,02
78,71 75,24
1,3780 0,0366 0,0347 0,0333 0,0320 0,0305 0,0285 0,0257
1,3773 0,0235 0,0286 0,0352 0,0436 0,0543 0,0685 0,0884
1,3771 0,0015 0,0016 0,0018 0,0019 0,0020 0,0020 0,0020
24.22 0.22
-6.11 -0.36
-0.81 -0.05
49.50 1.42
-7.25 -0.22
-5.96 -0.47
ht
tp :// w
w
w
.b p
s. go
.id
WEST YEAR.TITLE YR.2000.PROYEKSI PENDUDUK JOGJAKARTA HASIL SP 2000 INIT.POP INIT.F.A 96.31 125.69 124.07 151.95 INIT.F.B 122.95 106.79 86.47 71.61 INIT.F.C 39.48 40.12 INIT.M.A 99.71 129.94 128.43 158.72 INIT.M.B 114.17 102.81 84.24 66.12 INIT.M.C 38.43 39.05 MORTALITY MORT.EZ.F 74,56 76,01 76,99 77,66 MORT.EZ.M 70,73 72,29 73,35 74,09 FERTILITY TOTAL.FERT 1,4582 1,4041 1,3860 1,3800 FERDIST1.1 0,0126 0,0516 0,0787 0,0871 FERDIST2.1 0,0115 0,0461 0,0714 0,0869 FERDIST3.1 0,0109 0,0425 0,0665 0,0870 FERDIST4.1 0,0104 0,0396 0,0623 0,0863 FERDIST5.1 0,0098 0,0367 0,0580 0,0843 FERDIST6.1 0,0092 0,0336 0,0533 0,0805 FERDIST7.1 0,0083 0,0298 0,0474 0,0739 FEND MIGRATION RATES MIGRF1.7.A 6.28 0.07 0.78 18.57 MIGRF1.7.B -0.07 -0.40 0.55 0.40 MIGRF1.7.C -0.38 -0.91 MIGRM1.7.A 5.82 0.57 0.81 19.98 MIGRM1.7.B -0.60 -0.51 -0.64 -0.40 MIGRM1.7.C -1.13 -2.90 MEND PUNCH.FIVE REGROUP GROUPS 0- 0. 0- 0. 0- 0. 0- 0. 0- 0. 0- 0. 0- 0. 2 PYRAMIDS YEARS.2002.2007.2012.2017.2022.2027.2032.2037. END PROJECTION HALT
52
Hasil Proyeksi Penduduk Hasil yang diperoleh setelah menjalankan program FIVSIN dapat dilihat pada tabeltabel dibawah ini. Program ini juga mendapatkan hasil penduduk dalam kelompok umur tunggal (dalam rentang kelompok umur satu tahunan). Perhitungan proyeksi penduduk dilakukan secara berjenjang. Mula-mula dihitung proyeksi penduduk Indonesia, kemudian proyeksi penduduk per propinsi, baru proyeksi per kabupaten/kota. Jumlah penduduk hasil proyeksi per propinsi harus sama dengan jumlah penduduk hasil proyeksi Indonesia. Begitu juga jumlah penduduk hasil proyeksi kabupaten/kota harus sama dengan jumlah penduduk hasil proyeksi untuk propinsi yang bersangkutan. Untuk menyamakan jumlah penduduk dari hasil setiap proyeksi harus dilakukan iterasi. Tidak semua yang dihasilkan perlu untuk ditampilkan, pilih saja beberapa parameter
.id
untuk periode waktu tertentu dan jumlah penduduk menurut kelompok umur dan tahun
s. go
tunggal. Jumlah penduduk yang dipilih cukup menurut kategari jumlah dan perempuan saja
.b p
sementara penduduk laki-laki diperoleh dari selisih penduduk total dan perempuan.
w
2000
2010
2015
2020
2025
19,85 71,29 8,85
17,7 73,13 9,17
17,45 72,97 9,58
17,01 72,45 10,53
16,33 71,56 12,11
1,458 0,711 0,686
1,404 0,685 0,665
1,386 0,676 0,659
1,38 0,673 0,658
1,378 0,672 0,658
1,377 0,672 0,657
FEMALES MALES BOTH
74,56 70,73 72,70
76,01 72,29 74,20
76,99 73,35 75,23
77,66 74,09 75,93
78,18 74,66 76,47
78,51 75,02 76,82
FEMALES MALES BOTH
16,87 23,75 20,21
12,94 18,66 15,72
10,56 15,35 12,89
8,83 13,23 10,97
7,85 11,87 9,80
7,25 11,03 9,08
12,7 7,6 4,7
12,4 7,7 4,2
12,1 7,4 3,5
11,3 7,7 3,0
10,6 8,0 2,7
9,7 8,6 2,8
22,45 69,31 8,24
ht
0-14 15-64 65+ TFR GRR NRR
2005
tp :// w
PARAMETER
w
Tabel A.32. Parameter Demografi Hasil Proyeksi
E(0)
IMR
CBR CDR NET MIG
53
54
Tabel A.33. Penduduk Laki-laki Hasil Proyeksi (dalam ribuan)
2000
2001
2002
2003
2004
2005
2006
Tahun 2007
2008
2009
2010
2011
2012
2013
2014
2015
0- 4 5- 9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+
98 128 129 159 166 139 121 114 103 84 66 60 55 45 38 39
100 123 130 157 168 145 124 115 105 88 68 60 55 45 36 41
101 117 131 154 172 152 126 116 108 92 72 61 55 46 35 43
101 111 131 149 175 162 127 117 110 95 75 61 55 48 35 44
102 106 130 143 180 174 129 118 112 98 78 62 55 48 36 45
102 100 129 135 185 183 133 118 113 100 82 63 55 50 37 46
103 101 124 138 179 184 144 119 113 104 85 66 56 50 38 47
104 101 119 139 173 187 152 121 114 105 89 68 56 49 38 48
105 102 113 139 167 192 160 122 114 107 92 72 57 49 39 48
105 103 107 137 163 198 168 125 116 110 95 75 58 49 40 49
105 103 100 135 157 204 175 130 116 111 98 78 59 49 41 49
106 104 102 132 156 195 183 137 117 112 101 82 61 50 42 51
106 105 103 127 156 186 189 145 119 113 103 85 64 50 42 52
107 105 103 122 156 179 194 154 120 113 105 88 67 50 42 53
108 106 104 114 156 175 197 163 123 113 106 91 71 51 42 55
108 107 103 105 158 173 196 171 129 115 107 95 74 53 42 56
TOTAL
1.544
1.560
1.581
1.596
1.616
1.631
1.678
1.698
1.710
1.731
1.745
1.758
1.775
1.792
s. go
.b p
w w
tp :// w
ht
1.651
.id
Kelompok Umur
1.663
54 9
54
Tabel A.34. Penduduk Perempuan Hasil Proyeksi (dalam ribuan) 2003
2004
2005
2006
0- 4 5- 9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+
96 125 124 152 157 137 129 123 107 87 72 67 65 55 40 40
96 119 125 150 158 141 131 125 111 90 74 67 64 56 41 42
97 114 126 146 159 147 131 126 114 94 76 67 64 57 42 44
98 108 126 142 162 153 132 127 117 98 79 68 64 57 43 47
98 102 126 136 164 158 132 127 120 102 82 68 64 58 45 49
98 97 125 130 168 163 134 128 122 106 85 70 64 59 47 51
99 97 120 131 162 164 140 128 124 109 89 71 64 59 48 54
TOTAL
1.576
1.590
1.604
1.621
1.631
55
10
w
tp :// w
ht
1.647
2007
2009
2010
2011
2012
2013
2014
2015
99 98 115 132 157 167 146 128 125 113 92 74 64 59 50 56
100 98 110 132 152 170 151 129 126 116 96 76 64 59 51 59
101 99 103 53 132 147 173 155 131 126 118 100 79 65 59 51 61
101 100 97 131 144 175 160 133 127 120 104 83 66 59 52 64
101 100 98 126 143 168 165 137 127 122 107 86 68 59 52 66
102 100 99 121 142 162 169 142 127 123 111 90 71 59 53 69
102 101 100 115 142 157 171 148 128 124 114 94 73 60 53 72
102 102 100 109 143 152 172 154 130 125 117 98 76 61 53 74
102 102 100 101 144 150 171 159 132 125 119 101 79 62 52 77
1.659
1.675
1.689
1.700
1.716
1.725
1.740
1.754
1.768
1.776
.id
2002
s. go
2001
.b p
2000
Tahun 2008
w
Kelompok Umur
56
Tabel A.35. Penduduk Laki-laki + Perempuan Hasil Proyeksi (dalam ribuan) 2000
2001
2002
2003
2004
2005
2006
0- 4 5- 9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+
194 253 253 311 323 276 250 237 210 171 138 127 120 100 78 79
196 242 255 307 326 286 255 240 216 178 142 127 119 101 77 83
198 231 257 300 331 299 257 242 222 186 148 128 119 103 77 87
199 219 257 291 337 315 259 244 227 193 154 129 119 105 78 91
200 208 256 279 344 332 261 245 232 200 160 130 119 106 81 94
200 197 254 265 353 346 267 246 235 206 167 133 119 109 84 97
TOTAL
3.120
3.150
3.185
3.217
3.247
3.278
2009
2010
2011
2012
2013
2014
2015
202 198 244 269 341 348 284 247 237 213 174 137 120 109 86 101
203 199 234 271 330 354 298 249 239 218 181 142 120 108 88 104
205 200 223 271 319 362 311 251 240 223 188 148 121 108 90 107
206 202 210 269 310 371 323 256 242 228 195 154 123 108 91 110
206 203 197 266 301 379 335 263 243 231 202 161 125 108 93 113
207 204 200 258 299 363 348 274 244 234 208 168 129 109 94 117
208 205 202 248 298 348 358 287 246 236 214 175 135 109 95 121
209 206 203 237 298 336 365 302 248 237 219 182 140 110 95 125
210 208 204 223 299 327 369 317 253 238 223 189 147 112 95 129
210 209 203 206 302 323 367 330 261 240 226 196 153 115 94 133
3.310
3.338
3.367
3.398
3.426
3.456
3.485
3.512
3.543
3.568
s. go
.b p
w
ht
tp :// w
.id
2007
Tahun 2008
w
Kelompok Umur
11
B.
PROYEKSI PENDUDUK MENURUT UMUR TUNGGAL DAN KELOMPOK UMUR TERTENTU Proyeksi penduduk yang dihasilkan, berdasarkan langkah-langkah yang telah
dijelaskan di atas adalah proyeksi penduduk menurut kelompok umur lima tahunan. Sementara itu data proyeksi penduduk menurut umur tunggal dan kelompok umur tertentu banyak dibutuhkan untuk keperluan perencanaan pembangunan agar lebih terarah dan tepat sasaran. Kebutuhan data jumlah penduduk menurut umur tunggal atau kelompok umur tertentu banyak digunakan untuk penghitungan berbagai indikator yang dibutuhkan Kemendiknas, Kemenkes, dan lain-lain. Untuk memenuhi kebutuhan data penduduk umur tunggal maka perlu dilakukan penghitungan pemecahan umur tunggal dari penduduk menurut kelompok umur lima tahunan
.id
yang telah tersedia. Sementara untuk memenuhi kebutuhan data penduduk menurut kelompok
s. go
umur tertentu dapat dilakukan dengan menggabungkan beberapa umur tunggal. Pemecahan umur tunggal dilakukan dengan menggunakan metode Beers, yaitu dalam
.b p
pemecahan umur menggunakan koefisien Beers. Pemakaian koefisien Beers selain hasilnya
w
lebih smooth, juga untuk menjaga kekonsistenan metode yang dipakai dalam penghitungan
ht
umur:
tp :// w
w
sebelumnya. Berikut disajikan koefisien Beers dan rumus yang dipakai dalam pemecahan
57
Tabel B.1. Koefisien Pemecah Umur dengan Metode Beers Interpolated (1)
First five of G1 Second five of G1 Third five of G1 Fourth five of G1 Fifth five of G1
Coefficient G2 G3 G4 (3) (4) (5) First panel (Panel pertama)
G1 (2)
0.3333 0.2595 0.1924 0.1329 0.0819
-0.1636 -0.0780 0.0064 0.0844 0.1508
-0.0210 0.0130 0.0184 0.0054 -0.0158
0.0796 0.0100 -0.0256 -0.0356 -0.0284
G5 (6)
-0.0283 -0.0045 0.0084 0.0129 0.0115
Next to first panel (Panel kedua) First five of G2 Second five of G2 Third five of G2 Fourth five of G2 Fifth five of G2
0.0404 0.0093 -0.0108 -0.0198 -0.0191
0.2000 0.2268 0.2272 0.1992 0.1468
-0.0344 -0.0402 -0.0248 0.0172 0.0822
-0.0128 0.0028 0.0112 0.0072 -0.0084
0.0068 0.0013 -0.0028 -0.0038 -0.0015
0.0804 0.0160 -0.0280 -0.0400 -0.0284
0.1570 0.2200 0.2460 0.2200 0.1570
s. go
-0.0117 -0.0020 0.0050 0.0060 0.0027
.b p
First five of G3 Second five of G3 Third five of G3 Fourth five of G3 Fifth five of G3
.id
Middle panel (Panel tengah) -0.0284 -0.0400 -0.0280 0.0160 0.0804
0.0027 0.0060 0.0050 -0.0020 -0.0117
tp :// w
-0.0015 -0.0038 -0.0028 0.0013 0.0068
-0.0084 0.0072 0.0112 0.0028 -0.0128
ht
First five of G4 Second five of G4 Third five of G4 Fourth five of G4 Fifth five of G4
w
w
Next to last panel (Panel sebelum terakhir)
First five of G5 Second five of G5 Third five of G5 Fourth five of G5 Fifth five of G5
0.0115 0.0129 0.0084 -0.0045 -0.0283
0.0822 0.0172 -0.0248 -0.0402 -0.0344
0.1468 0.1992 0.2272 0.2268 0.2000
-0.0191 -0.0198 -0.0108 0.0093 0.0404
Last panel (Panel terakhir) -0.0284 -0.0356 -0.0256 0.0100 0.0796
-0.0158 0.0054 0.0184 0.0130 -0.0210
0.1508 0.0844 0.0064 -0.0780 -0.1636
0.0819 0.1329 0.1924 0.2595 0.3333
Keterangan: -
Koefisien baris pertama sampai baris ke lima pada ’Panel pertama’ dipakai untuk menghitung umur 0, 1, 2, 3 dan 4 tahun.
-
Koefisien baris pertama sampai baris ke lima pada ‘Panel kedua’ dipakai untuk menghitung umur 5, 6, 7, 8 dan 9 tahun.
-
Koefisien baris pertama sampai baris ke lima pada ‘Panel tengah’ dipakai untuk menghitung umur 10, 11, 12, … sampai umur 64 tahun.
58
-
Koefisien baris pertama sampai baris ke lima pada ‘Panel sebelum terakhir’ dipakai untuk menghitung umur 65, 66, 67, 68 dan 69 tahun.
-
Koefisien baris pertama sampai baris ke lima pada ‘Panel terakhir’ dipakai untuk menghitung umur 70,71, 72, 73 dan 74 tahun.
Tabel B.2. Rumus Pemecah Umur Tunggal dengan Metode Beers UMUR
PENDUDUK UMUR TUNGGAL
(1)
(2) {(0.3333 x kelum 0-4)+(-0.1636 x kelum 5-9)+(-0.0210 x kelum 10-14)+(0.0796 x kelum 15-19)+(-0.0283 x kelum 20-24)}
1
{(0.2595 x kelum 0-4)+(-0.0780 x kelum 5-9)+(0.0130 x kelum 10-14)+(0.0100 x kelum 15-19)+(-0.0045 x kelum 20-24)}
2
{(0.1924 x kelum 0-4)+(0.0064 x kelum 5-9)+(0.0184 x kelum 10-14)+(-0.0256 x kelum 15-19)+(0.0084 x kelum 20-24)}
3
{(0.1329 x kelum 0-4)+(0.0844 x kelum 5-9)+(0.0054 x kelum 10-14)+(-0.0356 x kelum 15-19)+(0.0129 x kelum 20-24)}
4
{(0.0819 x kelum 0-4)+(0.1508 x kelum 5-9)+(-0.0158 x kelum 10-14)+(-0.0284 x kelum 15-19)+(0.0115 x kelum 20-24)}
5
{(0.0404 x kelum 0-4)+(0.2000 x kelum 5-9)+(-0.0344 x kelum 10-14)+(-0.0128 x kelum 15-19)+(0.0068 x kelum 20-24)}
6
{(0.0093 x kelum 0-4)+(0.2268 x kelum 5-9)+(-0.0402 x kelum 10-14)+(0.0028 x kelum 15-19)+(0.0013 x kelum 20-24)}
.id
0
{(-0.0108 x kelum 0-4)+(0.2272 x kelum 5-9)+(-0.0248 x kelum 10-14)+( 0.0112 x kelum 15-19)+(-0.0028 x kelum 20-24)}
8
{(-0.0198 x kelum 0-4)+(0.1992 x kelum 5-9)+(0.0172 x kelum 10-14)+(0.0072 x kelum 15-19)+(-0.0038 x kelum 20-24)}
s. go
7
{(-0.0191 x kelum 0-4)+(0.1468 x kelum 5-9)+(0.0822 x kelum 10-14)+(-0.0084 x kelum 15-19)+(-0.0015 x kelum 20-24)} {(-0.0117 x kelum 0-4)+(0.0804 x kelum 5-9)+(0.1570 x kelum 10-14)+(-0.0284 x kelum 15-19)+(0.0027 x kelum 20-24)}
11
{(-0.0020 x kelum 0-4)+(0.0160 x kelum 5-9)+(0.2200 x kelum 10-14)+(-0.0400 x kelum 15-19)+(0.0060 x kelum 20-24)}
12
{(0.0050 x kelum 0-4)+(-0.0280 x kelum 5-9)+(0.2460 x kelum 10-14)+(-0.0280 x kelum 15-19)+(0.0050 x kelum 20-24)}
13
{(0.0060 x kelum 0-4)+(-0.0400 x kelum 5-9)+(0.2200 x kelum 10-14)+(0.0160 x kelum 15-19)+(-0.0020 x kelum 20-24)}
14
{(0.0027 x kelum 0-4)+(-0.0284 x kelum 5-9)+(0.1570 x kelum 10-14)+(0.0804 x kelum 15-19)+(-0.0117 x kelum 20-24)}
15
{(-0.0117 x kelum 5-9)+(0.0804 x kelum 10-14)+(0.1570 x kelum 15-19)+(-0.0284 x kelum 20-24)+(0.0027 x kelum 25-29)}
16
{(-0.0020 x kelum 5-9)+(0.0160 x kelum 10-14)+(0.2200 x kelum 15-19)+(-0.0400 x kelum 20-24)+(0.0060 x kelum 25-29)}
17
{(0.0050 x kelum 5-9)+(-0.0280 x kelum 10-14)+(0.2460 x kelum 15-19)+(-0.0280 x kelum 20-24)+(0.0050 x kelum 25-29)}
18
{(0.0060 x kelum 5-9)+(-0.0400 x kelum 10-14)+(0.2200 x kelum 15-19)+(0.0160 x kelum 20-24)+(-0.0020 x kelum 25-29)}
19
{(0.0027 x kelum 5-9)+(-0.0284 x kelum 10-14)+(0.1570 x kelum 15-19)+(0.0804 x kelum 20-24)+(-0.0117 x kelum 25-29)}
20
{(-0.0117 x kelum 10-14)+(0.0804 x kelum 15-19)+(0.1570 x kelum 20-24)+(-0.0284 x kelum 25-29)+(0.0027 x kelum 30--34)}
21
{(-0.0020 x kelum 10-14)+(0.0160 x kelum 15-19)+(0.2200 x kelum 20-24)+(-0.0400 x kelum 25-29)+(0.0060 x kelum 30-34)}
22
{(0.0050 x kelum 10-14)+(-0.0280 x kelum 15-19)+(0.2460 x kelum 20-24)+(-0.0280 x kelum 25-29)+(0.0050 x kelum 30-34)}
23
{(0.0060 x kelum 10-14)+(-0.0400 x kelum 15-19)+(0.2200 x kelum 20-24)+(0.0160 x kelum 25-29)+(-0.0020 x kelum 30-34)}
24
{(0.0027 x kelum 10-14)+(-0.0284 x kelum 15-19)+(0.1570 x kelum 20-24)+(0.0804 x kelum 25-29)+(-0.0117 x kelum 30-34)}
25
{(-0.0117 x kelum 15-19)+(0.0804 x kelum 20-24)+(0.1570 x kelum 25-29)+(-0.0284 x kelum 30-34)+(0.0027 x kelum 35-39)}
26
{(-0.0020 x kelum 15-19)+(0.0160 x kelum 20-24)+(0.2200 x kelum 25-29)+(-0.0400 x kelum 30-34)+(0.0060 x kelum 35-39)}
27
{(0.0050 x kelum 15-19)+(-0.0280 x kelum 20-24)+(0.2460 x kelum 25-29)+(-0.0280 x kelum 30-34)+(0.0050 x kelum 35-39)}
28
{(0.0060 x kelum 15-19)+(-0.0400 x kelum 20-24)+(0.2200 x kelum 25-29)+(0.0160 x kelum 30-34)+(-0.0020 x kelum 35-39)}
29
{(0.0027 x kelum 15-19)+(-0.0284 x kelum 20-24)+(0.1570 x kelum 25-29)+(0.0804 x kelum 30-34)+(-0.0117 x kelum 35-39)}
30
{(-0.0117 x kelum 20-24)+(0.0804 x kelum 25-29)+(0.1570 x kelum 30-34)+(-0.0284 x kelum 35-39)+(0.0027 x kelum 40-44)}
31
{(-0.0020 x kelum 20-24)+(0.0160 x kelum 25-29)+(0.2200 x kelum 30-34)+(-0.0400 x kelum 35-39)+(0.0060 x kelum 40-44)}
32
{(0.0050 x kelum 20-24)+(-0.0280 x kelum 25-29)+(0.2460 x kelum 30-34)+(-0.0280 x kelum 35-39)+(0.0050 x kelum 40-44)}
33
{(0.0060 x kelum 20-24)+(-0.0400 x kelum 25-29)+(0.2200 x kelum 30-34)+(0.0160 x kelum 35-39)+(-0.0020 x kelum 40-44)}
34
{(0.0027 x kelum 20-24)+(-0.0284 x kelum 25-29)+(0.1570 x kelum 30-34)+(0.0804 x kelum 35-39)+(-0.0117 x kelum 40-44)}
ht
tp :// w
w
w
.b p
9 10
59
UMUR
PENDUDUK UMUR TUNGGAL
(1)
(2) {(-0.0117 x kelum 25-29)+(0.0804 x kelum 30-34)+(0.1570 x kelum 35-39)+(-0.0284 x kelum 40-44)+(0.0027 x kelum 45-49)}
36
{(-0.0020 x kelum 25-29)+(0.0160 x kelum 30-34)+(0.2200 x kelum 35-39)+(-0.0400 x kelum 40-44)+(0.0060 x kelum 45-49)}
37
{(0.0050 x kelum 25-29)+(-0.0280 x kelum 30-34)+(0.2460 x kelum 35-39)+(-0.0280 x kelum 40-44)+(0.0050 x kelum 45-49)}
38
{(0.0060 x kelum 25-29)+(-0.0400 x kelum 30-34)+(0.2200 x kelum 35-39)+(0.0160 x kelum 40-44)+(-0.0020 x kelum 45-49)}
39
{(0.0027 x kelum 25-29)+(-0.0284 x kelum 30-34)+(0.1570 x kelum 35-39)+(0.0804 x kelum 40-44)+(-0.0117 x kelum 45-49)}
40
{(-0.0117 x kelum 30-34)+(0.0804 x kelum 35-39)+(0.1570 x kelum 40-44)+(-0.0284 x kelum 45-49)+(0.0027 x kelum 50-54)}
41
{(-0.0020 x kelum 30-34)+(0.0160 x kelum 35-39)+(0.2200 x kelum 40-44)+(-0.0400 x kelum 45-49)+(0.0060 x kelum 50-54)}
42
{(0.0050 x kelum 30-34)+(-0.0280 x kelum 35-39)+(0.2460 x kelum 40-44)+(-0.0280 x kelum 45-49)+(0.0050 x kelum 50-54)}
43
{(0.0060 x kelum 30-34)+(-0.0400 x kelum 35-39)+(0.2200 x kelum 40-44)+(0.0160 x kelum 45-49)+(-0.0020 x kelum 50-54)}
44
{(0.0027 x kelum 30-34)+(-0.0284 x kelum 35-39)+(0.1570 x kelum 40-44)+(0.0804 x kelum 45-49)+(-0.0117 x kelum 50-54)}
45
{(-0.0117 x kelum 35-39)+(0.0804 x kelum 40-44)+(0.1570 x kelum 45-49)+(-0.0284 x kelum 50-54)+(0.0027 x kelum 55-59)}
46
{(-0.0020 x kelum 35-39)+(0.0160 x kelum 40-44)+(0.2200 x kelum 45-49)+(-0.0400 x kelum 50-54)+(0.0060 x kelum 55-59)}
47
{(0.0050 x kelum 35-39)+(-0.0280 x kelum 40-44)+(0.2460 x kelum 45-49)+(-0.0280 x kelum 50-54)+(0.0050 x kelum 55-59)}
48
{(0.0060 x kelum 35-39)+(-0.0400 x kelum 40-44)+(0.2200 x kelum 45-49)+(0.0160 x kelum 50-54)+(-0.0020 x kelum 55-59)}
49
{(0.0027 x kelum 35-39)+(-0.0284 x kelum 40-44)+(0.1570 x kelum 45-49)+(0.0804 x kelum 50-54)+(-0.0117 x kelum 55-59)}
50
{(-0.0117 x kelum 40-44)+(0.0804 x kelum 45-49)+(0.1570 x kelum 50-54)+(-0.0284 x kelum 55-59)+(0.0027 x kelum 60-64)}
51
{(-0.0020 x kelum 40-44)+(0.0160 x kelum 45-49)+(0.2200 x kelum 50-54)+(-0.0400 x kelum 55-59)+(0.0060 x kelum 60-64)}
52
{(0.0050 x kelum 40-44)+(-0.0280 x kelum 45-49)+(0.2460 x kelum 50-54)+(-0.0280 x kelum 55-59)+(0.0050 x kelum 60-64)}
53
{(0.0060 x kelum 40-44)+(-0.0400 x kelum 45-49)+(0.2200 x kelum 50-54)+(0.0160 x kelum 55-59)+(-0.0020 x kelum 60-64)}
54
{(0.0027 x kelum 40-44)+(-0.0284 x kelum 45-49)+(0.1570 x kelum 50-54)+(0.0804 x kelum 55-59)+(-0.0117 x kelum 60-64)}
55
{(-0.0117 x kelum 45-49)+(0.0804 x kelum 50-54)+(0.1570 x kelum 55-59)+(-0.0284 x kelum 60-64)+(0.0027 x kelum 65-69)}
56
{(-0.0020 x kelum 45-49)+(0.0160 x kelum 50-54)+(0.2200 x kelum 55-59)+(-0.0400 x kelum 60-64)+(0.0060 x kelum 65-69)}
57
{(0.0050 x kelum 45-49)+(-0.0280 x kelum 50-54)+(0.2460 x kelum 55-59)+(-0.0280 x kelum 60-64)+(0.0050 x kelum 65-69)}
58
{(0.0060 x kelum 45-49)+(-0.0400 x kelum 50-54)+(0.2200 x kelum 55-59)+(0.0160 x kelum 60-64)+(-0.0020 x kelum 65-69)}
59
{(0.0027 x kelum 45-49)+(-0.0284 x kelum 50-54)+(0.1570 x kelum 55-59)+(0.0804 x kelum 60-64)+(-0.0117 x kelum 65-69)}
60
{(-0.0117 x kelum 50-54)+(0.0804 x kelum 55-59)+(0.1570 x kelum 60-64)+(-0.0284 x kelum 65-69)+(0.0027 x kelum 70-74)}
61
{(-0.0020 x kelum 50-54)+(0.0160 x kelum 55-59)+(0.2200 x kelum 60-64)+(-0.0400 x kelum 65-69)+(0.0060 x kelum 70-74)}
62
{(0.0050 x kelum 50-54)+(-0.0280 x kelum 55-59)+(0.2460 x kelum 60-64)+(-0.0280 x kelum 65-69)+(0.0050 x kelum 70-74)}
63
{(0.0060 x kelum 50-54)+(-0.0400 x kelum 55-59)+(0.2200 x kelum 60-64)+(0.0160 x kelum 65-69)+(-0.0020 x kelum 70-74)}
64
{(0.0027 x kelum 50-54)+(-0.0284 x kelum 55-59)+(0.1570 x kelum 60-64)+(0.0804 x kelum 65-69)+(-0.0117 x kelum 70-74)}
65
{(-0.0015 x kelum 50-54)+(-0.0084 x kelum 55-59)+(0.0822 x kelum 60-64)+(0.1468 x kelum 65-69)+(-0.0191 x kelum 70-74)}
66
{(-0.0038 x kelum 50-54)+(0.0072 x kelum 55-59)+(0.0172 x kelum 60-64)+(0.1992 x kelum 65-69)+(-0.0198 x kelum 70-74)}
67
{(-0.0028 x kelum 50-54)+(0.0112 x kelum 55-59)+(-0.0248 x kelum 60-64)+(0.2272 x kelum 65-69)+(-0.0108 x kelum 70-74)}
68
{(0.0013 x kelum 50-54)+(0.0028 x kelum 55-59)+(-0.0402 x kelum 60-64)+(0.2268 x kelum 65-69)+(0.0093 x kelum 70-74)}
69
{(0.0068 x kelum 50-54)+(-0.0128 x kelum 55-59)+(-0.0344 x kelum 60-64)+(0.2000 x kelum 65-69)+(0.0404 x kelum 70-74)}
70
{(0.0115 x kelum 50-54)+(-0.0284 x kelum 55-59)+(-0.0158 x kelum 60-64)+(0.1508 x kelum 65-69)+(0.0819 x kelum 70-74)}
71
{(0.0129 x kelum 50-54)+(-0.0356 x kelum 55-59)+(0.0054 x kelum 60-64)+(0.0844 x kelum 65-69)+(0.1329 x kelum 70-74)}
72
{(0.0084 x kelum 50-54)+(-0.0256 x kelum 55-59)+ (0.0184 x kelum 60-64)+(0.0064 x kelum 65-69)+(0.1924 x kelum 70-74)}
73
{(-0.0045 x kelum 50-54)+(0.0100 x kelum 55-59)+(0.0130 x kelum 60-64)+(-0.0780 x kelum 65-69)+(0.2595 x kelum 70-74)}
74
{(-0.0283 x kelum 50-54)+(0.0796 x kelum 55-59)+(-0.0210 x kelum 60-64)+(-0.1636 x kelum 65-69)+(0.3333 x kelum 70-74)}
75+
Penduduk Umur 75 +
ht
tp :// w
w
w
.b p
s. go
.id
35
Keterangan: kelum = kelompok umur
60
Penghitungan Pemecahan Umur Tunggal Provinsi DI Yogyakarta Data proyeksi penduduk tahun 2001 Provinsi DI Yogyakarta menurut kelompok umur yang dihasilkan dalam ribuan adalah sebagai berikut: Tabel B.3. Penduduk Provinsi DI Yogyakarta Tahun 2001 (Ribuan) JENIS KELAMIN
UMUR
P (3)
L+P (4)
0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75+
100 123 130 157 168 145 124 115 105 88 68 60 55 45 36 41
96 119 125 150 158 141 131 125 111 90 74 67 64 56 41 42
196 242 255 307 326 286 255 240 216 178 142 127 119 101 77 83
s. go .b p
w
w
tp :// w Jumlah
1.560
.id
(1)
L (2)
1.590
3.150
ht
Penghitungan umur tunggal Penduduk Total (L+P) Provinsi DI Yogyakarta tahun 2001 dilakukan dengan menggunakan metode Beers dan dapat diuraikan sebagai berikut:
61
Tabel B.4. Penghitungan Pecah Umur Penduduk DI Yogyakarta
UMUR
PENDUDUK UMUR TUNGGAL
(1)
62
(2) {(0.3333 x 196)+(-0.1636 x 242)+(-0.0210 x 255)+(0.0796 x 307)+(-0.0283 x 326)}
1
{(0.2595 x 196)+(-0.0780 x 242)+(0.0130 x 255)+(0.0100 x 307)+(-0.0045 x 326)}
2
{(0.1924 x 196)+(0.0064 x 242)+(0.0184 x 255)+(-0.0256 x 307)+(0.0084 x 326)}
3
{(0.1329 x 196)+(0.0844 x 242)+(0.0054 x 255)+(-0.0356 x 307)+(0.0129 x 326)}
4
{(0.0819 x 196)+(0.1508 x 242)+(-0.0158 x 255)+(-0.0284 x 307)+(0.0115 x 326)}
5
{(0.0404 x 196)+(0.2000 x 242)+(-0.0344 x 255)+(-0.0128 x 307)+(0.0068 x 326)}
6
{(0.0093 x 196)+(0.2268 x 242)+(-0.0402 x 255)+(0.0028 x 307)+(0.0013 x 326)}
7
{(-0.0108 x 196)+(0.2272 x 242)+(-0.0248 x 255)+(0.0112 x 307)+(-0.0028 x 326)}
8
{(-0.0198 x 196)+(0.1992 x 242)+(0.0172 x 255)+(0.0072x 307)+(-0.0038 x 326)}
9
{(-0.0191 x 196)+(0.1468 x 242)+(0.0822 x 255`)+(-0.0084x 307)+(-0.0015 x 326)}
10
{(-0.0117 x 196)+(0.0804 x 242)+(0.1570 x 255)+(-0.0284 x 307)+(0.0027 x 326)}
11
{(-0.0020 x 196)+(0.0160 x 242)+(0.2200 x 255)+(-0.0400 x 307)+(0.0060 x 326)}
12
{(0.0050 x 196)+(-0.0280 x 242)+(0.2460 x 255)+(-0.0280 x 307)+(0.0050 x 326)}
13
{(0.0060 x 196)+(-0.0400 x 242)+(0.2200 x 255)+(0.0160x 307)+(-0.0020 x 326)}
14
{(0.0027 x 196)+(-0.0284 x 242)+(0.1570 x 255)+(0.0804x 307)+(-0.0117 x 326)}
15
{(-0.0117 x 242)+(0.0804 x 255)+(0.1570 x 307)+(-0.0284 x 326)+(0.0027 x 286)}
16
{(-0.0020 x 242)+(0.0160 x 255)+(0.2200 x 307)+(-0.0400 326)+(0.0060 x 286)}
17
{(0.0050 x 242)+(-0.0280 x 255)+(0.2460 x 307)+(-0.0280 x 326)+(0.0050 x 286)}
18 19
{(0.0060 x 242)+(-0.0400 x 255)+(0.2200 x 307)+(0.0160x 326)+(-0.0020 x 286)} {(0.0027 x 242)+(-0.0284 x 255)+(0.1570 x 307)+(0.0804x 326)+(-0.0117 x 286)}
20
{(-0.0117 x 255)+(0.0804 x 307)+(0.1570 x 326)+(-0.0284 x 286)+(0.0027 x 255)}
21
{(-0.0020 x 255)+(0.0160 x 307)+(0.2200 x 326)+(-0.0400 x 286)+(0.0060 x 255)}
22
{(0.0050 x 255)+(-0.0280 x 307)+(0.2460 x 326)+(-0.0280 x 286)+(0.0050 x 255)}
23
{(0.0060 x 255)+(-0.0400 x 307)+(0.2200 x 326)+(0.0160x 286)+(-0.0020 x 255)}
24
{(0.0027 x 255)+(-0.0284 x 307)+(0.1570 x 326)+(0.0804x 286)+(-0.0117 x 255)}
25
{(-0.0117 x 307)+(0.0804 x 326)+(0.1570 x 286)+(-0.0284 x 255)+(0.0027 x 240)}
26
{(-0.0020 x 307)+(0.0160 x 326)+(0.2200 x 286)+(-0.0400 x 255)+(0.0060 x 240)}
27
{(0.0050 x 307)+(-0.0280 x 326)+(0.2460 x 286)+(-0.0280 x 255)+(0.0050 x 240)}
28
{(0.0060 x 307)+(-0.0400 x 326)+(0.2200 x 286)+(0.0160x 255)+(-0.0020 x 240)}
29
{(0.0027 x 307)+(-0.0284 x 326)+(0.1570 x 286)+(0.0804x 255)+(-0.0117 x 240)}
30
{(-0.0117 x 326)+(0.0804 x 286)+(0.1570 x 255)+(-0.0284 x 240)+(0.0027 x 216)}
31
{(-0.0020 x 326)+(0.0160 x 286)+(0.2200 x 255)+(-0.0400 x 240)+(0.0060 x 216)}
32 33
{(0.0050 x 326)+(-0.0280 x 286)+(0.2460 x 255)+(-0.0280 x 240)+(0.0050 x 216)} {(0.0060 x 326)+(-0.0400 x 286)+(0.2200 x255)+(0.0160x 240)+(-0.0020 x 216)}
34
{(0.0027 x 326)+(-0.0284 x 286)+(0.1570 x 255)+(0.0804x 240)+(-0.0117 x 216)}
35
{(-0.0117 x 286)+(0.0804 x 255)+(0.1570 x 240)+(-0.0284 x 216)+(0.0027 x 178)}
36
{(-0.0020 x 286)+(0.0160 x 255)+(0.2200 x 240)+(-0.0400 x 216)+(0.0060 x 178)}
37
{(0.0050 x 286)+(-0.0280 x 255)+(0.2460 x 240)+(-0.0280 x 216)+(0.0050 x 178)}
38 39
{(0.0060 x 286)+(-0.0400 x 255)+(0.2200 x 240)+(0.0160x 216)+(-0.0020 x 178)} {(0.0027 x 286)+(-0.0284 x 255)+(0.1570 x 240)+(0.0804x 216)+(-0.0117 x 178)}
ht
tp :// w
w
w
.b p
s. go
.id
0
UMUR
PENDUDUK UMUR TUNGGAL
(1)
(2) {(-0.0117 x 255)+(0.0804 x 240)+(0.1570 x 216)+(-0.0284 x 178)+(0.0027 x 142)}
41
{(-0.0020 x 255)+(0.0160 x 240)+(0.2200 x 216)+(-0.0400 x 178)+(0.0060 x 142)}
42
{(0.0050 x 255)+(-0.0280 x 240)+(0.2460 x 216)+(-0.0280 x 178)+(0.0050 x 142)}
43
{(0.0060 x 255)+(-0.0400 x 240)+(0.2200 x 216)+(0.0160x 178)+(-0.0020 x 142)}
44
{(0.0027 x 255)+(-0.0284 x 240)+(0.1570 x 216)+(0.0804x 178)+(-0.0117 x 142)}
45
{(-0.0117 x 240)+(0.0804 x 216)+(0.1570 x 178)+(-0.0284 x 142)+(0.0027 x 127)}
46
{(-0.0020 x 240)+(0.0160 x 216)+(0.2200 x 178)+(-0.0400 x 142)+(0.0060 x 127)}
47
{(0.0050 x 240)+(-0.0280 x 216)+(0.2460 x 178)+(-0.0280 x 142)+(0.0050 x 127)}
48
{(0.0060 x 240)+(-0.0400 x 216)+(0.2200 x 178)+(0.0160x 142)+(-0.0020 x 127)}
49
{(0.0027 x 240)+(-0.0284 x 216)+(0.1570 x 178)+(0.0804x 142)+(-0.0117 x 127)}
50
{(-0.0117 x 216)+(0.0804 x 178)+(0.1570 x 142)+(-0.0284 x 127)+(0.0027 x 119)}
51
{(-0.0020 x 216)+(0.0160 x 178)+(0.2200 x 142)+(-0.0400 x 127)+(0.0060 x 119)}
52
{(0.0050 x 216)+(-0.0280 x 178)+(0.2460 x 142)+(-0.0280 x 127)+(0.0050 x 119)}
53
{(0.0060 x 216)+(-0.0400 x 178)+(0.2200 x 142)+(0.0160x 127)+(-0.0020 x 119)}
54
{(0.0027 x 216)+(-0.0284 x 178)+(0.1570 x 142)+(0.0804x 127)+(-0.0117 x 119)}
55
{(-0.0117 x 178)+(0.0804 x 142)+(0.1570 x 127)+(-0.0284 x 119)+(0.0027 x 101)}
56
{(-0.0020 x 178)+(0.0160 x 142)+(0.2200 x 127)+(-0.0400 x 119)+(0.0060 x 101)}
57
{(0.0050 x 178)+(-0.0280 x 142)+(0.2460 x 127)+(-0.0280 x 119)+(0.0050 x 101)}
58
{(0.0060 x 178)+(-0.0400 x 142)+(0.2200 x 127)+(0.0160x 119)+(-0.0020 x 101)}
59
{(0.0027 x 178)+(-0.0284 x 142)+(0.1570 x 127)+(0.0804x 119)+(-0.0117 x 101)}
60
{(-0.0117 x 142)+(0.0804 x 127)+(0.1570 x 119)+(-0.0284 x 101)+(0.0027 x 77)}
61
{(-0.0020 x 142)+(0.0160 x 127)+(0.2200 x 119)+(-0.0400 x 101)+(0.0060 x 77)}
62
{(0.0050 x 142)+(-0.0280 x 127)+(0.2460 x 119)+(-0.0280 x 101)+(0.0050 x 77)}
63
{(0.0060 x 142)+(-0.0400 x 127)+(0.2200 119)+(0.0160x 101)+(-0.0020 x 77)}
64
{(0.0027 x 142)+(-0.0284 x 127)+(0.1570 x 119)+(0.0804x 101)+(-0.0117 x 77)}
65
{(-0.0015 x 142)+(-0.0084 x 127)+(0.0822 x 119)+(0.1468 x 101)+(-0.0191 x 77)}
66
{(-0.0038 x 142)+(0.0072 x 127)+(0.0172 x 119)+(0.1992 x 101)+(-0.0198 x 77)}
67
{(-0.0028 x 142)+(0.0112 x 127)+(-0.0248 x 119)+(0.2272 x 101)+(-0.0108x 77)}
68 69
{(0.0013 x 142)+(0.0028 x 127)+(-0.0402 x 119)+(0.2268x 101)+(0.0093 x 77)} {(0.0068 x 142)+(-0.0128 x 127)+(-0.0344 x 119)+(0.2000x 101)+(0.0404 x 77)}
70
{(0.0115 x 142)+(-0.0284 x 127)+(-0.0158 x 119)+(0.1508 x 101)+(0.0819 x 77)}
71
{(0.0129 x 142)+(-0.0356 x 127)+(0.0054 x 119)+(0.0844 x 101)+(0.1329 x 77)}
72
{(0.0084 x 142)+(-0.0256x 127)+(0.0184 x 119)+(0.0064 x 101)+(0.1924x 77)}
73
{(-0.0045 142)+(0.0100 x 127)+(0.0130 x 119)+(-0.0780 x 101)+(0.2595 x 77)}
74
{(-0.0283 x 142)+(0.0796 x 127)+(-0.0210 x 119)+(-0.1636x 101)+(0.3333 x 77)}
75+
83
ht
tp :// w
w
w
.b p
s. go
.id
40
Penduduk Provinsi DI Yogyakarta tahun 2001 menurut umur tunggal masing-masing untuk laki-laki dan perempuan dapat dihitung dengan rumus yang sama.
63
Tabel B.5. Penduduk DI Yogyakarta menurut Umur Tunggal Tahun 2001 (hasil pecah umur – dalam ribuan)
ht 64
18 19 20 21 22 23 24 25 25 25 25 25 25 26 28 29 31 32 32 33 34 34 34 34 32 31 30 29 28 27 26 25 25 24 24 24 23 23 23 22
w w
tp :// w
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
.b p
(1)
JENIS KELAMIN P (3) 17 18 19 20 21 23 23 24 24 24 25 24 24 25 27 28 29 30 31 31 33 32 32 32 31 30 29 28 27 27 28 26 26 26 26 25 25 25 25 24
.id
L (2)
s. go
UMUR
L+P (4) 35 37 39 41 43 46 47 49 49 49 50 49 49 51 55 57 60 62 63 64 67 66 66 66 63 61 59 57 55 54 54 51 51 50 50 49 48 48 48 46
Tabel B.5. (lanjutan)
22 22 21 21 20 18 18 18 17 16 16 14 13 13 13 12 12 12 12 12 11 11 11 11 10 11 9 9 9 8 8 8 7 7 6 42
w w
ht
tp :// w
40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75+
.b p
(1)
JENIS KELAMIN P (3)
TOTAL
L+P (4)
24 23 22 21 21 20 19 18 17 16 16 15 15 14 14 14 14 13 13 13 14 13 13 13 12 13 12 11 11 10 11 9 8 7 6 41
46 45 43 42 41 38 37 36 34 32 32 29 28 27 27 26 26 25 25 25 25 24 24 24 22 24 21 20 20 18 19 17 15 14 12 83
1 590
3 150
.id
L (2)
s. go
UMUR
1 560
Setelah penduduk data penduduk menurut umur tunggal tersedia, maka penghitungan penduduk menurut umur tertentu juga dapat dilakukan, contohnya antara lain: -
Usia batita (0-2) = 111 ribu jiwa.
-
Penduduk usia produktif (15-64) = 2198 ribu jiwa.
-
Usia Sekolah Menengah Pertama (13-15) = 163 ribu jiwa.
Dan lain sebagainya sesuai kebutuhan.
65
C. PROYEKSI PENDUDUK DAERAH PERKOTAAN DAN PERDESAAN Proyeksi penduduk menurut daerah perkotaan dan perdesaan juga dibutuhkan untuk keperluan perencanaan pembangunan, supaya terjadi keseimbangan pembangunan antara perkotaan dan perdesaan. Penghitungan proyeksi penduduk perkotaan dilakukan setelah proyeksi penduduk total diperoleh. Penghitungan proyeksi penduduk daerah perkotaan menggunakan rumus Urban Rural Growth Difference (URGD), yaitu proyeksi penduduk perkotaan berdasarkan perbedaan laju pertumbuhan penduduk daerah perkotaan dan perdesaan. Penentuan asumsi URGD untuk provinsi selama ini dikelompokkan menjadi tiga: URGD Tinggi, untuk provinsi yang perbedaan laju pertumbuhan antara penduduk daerah
.id
perkotaan dan daerah perdesaan (URGD) lebih dari 30 persen. Untuk kelompok provinsi dengan
s. go
URGD tinggi diasumsikan terjadi penurunan URGD sebesar 10 persen setiap 5 tahun. Provinsiprovinsi yang termasuk dalam kelompok ini adalah: Nanggroe Aceh Darussalam, Riau,
.b p
Bengkulu, Lampung, Jawa Barat, Jawa Tengah, Jawa Timur, Banten, Bali, Nusa Tenggara
w
w
Barat, Kalimantan Tengah, Sulawesi Utara dan Gorontalo.
tp :// w
URGD Sedang, untuk provinsi yang perbedaan laju pertumbuhan penduduk daerah perkotaan dan daerah perdesaan (URGD) antara 20-30 persen. Untuk kelompok provinsi dengan URGD
ht
sedang diasumsikan terjadi penurunan URGD sebesar 7 persen setiap 5 tahun. Provinsi-provinsi yang termasuk dalam kelompok ini adalah: Sumatera Barat, Jambi, Sumatera Selatan, Bangka Belitung, DI Yogyakarta, Nusa Tenggara Timur, Kalimantan Selatan dan Kalimantan Timur. URGD Rendah, untuk provinsi yang perbedaan laju pertumbuhan penduduk daerah perkotaan dan daerah perdesaan (URGD) di bawah 20 persen. Untuk kelompok provinsi dengan URGD rendah diasumsikan terjadi kenaikan URGD sebesar 5% setiap 5 tahun. Provinsi-provinsi yang termasuk dalam kelompok ini adalah: Sumatera Utara, Kepulauan Riau, DKI Jakarta, Kalimantan Barat, Sulawesi Tengah, Sulawesi Selatan, Sulawesi Tenggara, Maluku, Maluku Utara, Papua dan Papua Barat.
67
Pengelompokan ini berdasarkan perbedaan LPP 1990-2000 kota dan desa. Asumsi ini dapat diubah atau disesuaikan kembali dengan perkembangan LPP perkotaan dari hasil sensus terbaru.
Rumus penghitungan penduduk daerah perkotaan dengan metode URGD adalah:
T ' + dR U = ×U T '
dimana: U’ = Jumlah penduduk perkotaan tahun t + n U = Jumlah penduduk perkotaan tahun t
.id
R = Jumlah penduduk perdesaan tahun t
s. go
d = Perbedaan laju pertumbuhan penduduk perkotaan dan perdesaan
T' = Jumlah penduduk total tahun t + n
w
.b p
T = Jumlah penduduk total tahun t
w
Langkah pertama yang dilakukan untuk menghitung proyeksi penduduk daerah perkotaan adalah
tp :// w
menghitung laju pertumbuhan penduduk (LPP) perkotaan, dengan rumus geometrik, yaitu:
ht
Pt = P0 (1 + r )
t
dengan
1
⎛ P ⎞t r = ⎜ t ⎟ −1 ⎝ P0 ⎠
dimana: Pt
= jumlah penduduk pada tahun t
P0
= jumlah penduduk pada tahun dasar
r
= laju pertumbuhan penduduk
t
= periode waktu antara tahun dasar dan tahun t (dalam tahun)
LPP yang digunakan adalah LPP lima tahunan, sehingga periode t yang digunakan dikalikan dengan 5.
68
Contoh penghitungan proyeksi penduduk perkotaan untuk Provinsi DI Yogyakarta: Tabel C.1. Jumlah Penduduk Tahun 1990 & 2000, LPP dan Perbedaan LPP
Kota/Desa (1)
Penduduk SP 1990 SP 2000 (Oktober 1990 (Juni 2000 dalam ribuan) dalam ribuan) (2) (3)
Kota Desa K+D
1.294 1.619 2.913
LPP 5 tahunan
d = (LPP kota-LPP desa)
(4)
(5)
1.798,8 1.321,6 3.120,5
18,571 -9,953 3,628
0,285
.id
(((kol 3 / kol 2) ^ (5 x (12/116)) -1 ) x 100
s. go
Periode waktu penghitungan laju pertumbuhan penduduk antara tahun 1990 dan 2000 per tahun menggunakan 12/116, karena sensus penduduk tahun 1990 dilakukan pada Bulan Oktober,
.b p
sedangkan sensus penduduk tahun 2000 dilakukan pada Bulan Juni. Tenggang waktu antara dua sensus tersebut adalah 116 bulan, sehingga LPP per tahun nya menggunakan t 12/116. Karena
w
w
yang dicari adalah LPP lima tahunan, maka t nya dikalikan 5.
tp :// w
Berdasarkan penghitungan, diperoleh perbedaan laju pertumbuhan penduduk perkotaan dan perdesaan adalah sebesar 0,2852.
ht
Langkah selanjutnya adalah menghitung perkiraan penduduk perkotaan dengan menggunakan persamaan di atas.
Perbedaan LPP perkotaan dan perdesaan di DI Yogyakarta adalah sebesar 28,5 persen, angka ini terletak antara rentang 20-30, termasuk dalam kategori URGD sedang dimana diasumsikan terjadi penurunan URGD sebesar 7 persen setiap 5 tahun. Dengan kata lain perbedaan LPP perkotaan dan perdesaan (d) untuk memperkirakan penduduk perkotaan pada tahun 2010 mengalami penurunan sebesar 7 persen, demikian juga untuk lima tahun berikutnya turun sebesar 7 persen dari d tahun 2010.
69
Tabel C.2. Penghitungan Penduduk Perkotaan dan Perdesaan Tahun 2005-2015
Kota /Desa
SP 1990 (Oktober 1990)
SP 2000 (Juni 2000)
LPP 5 tahunan
d= LPP kotaLPP desa
(1)
(2)
(3)
(4)
(5)
Penduduk
Kota
1.294
1.798,8
18,571
Desa
1.619
1.321,6
-9,953
K+D
2.913
3.120,5
3,628
Pddk thn 2005 hasil proyeksi
d =Kol (5)- Kol (5)*7%
Pddk thn 2010 hasil proyeksi
d =Kol (7)- Kol (7)*7%
Pddk thn 2015 hasil proyeksi
(6)
(7)
(8)
(9)
(10)
2.106,9 0,285
1.171,1
2.401,7 0,265
1.024,3
3.278,0
2.678,4 0,247
3.426,0
889,6 3.568,0
3.278,0 – 2.106,9
{3.278 + (0,285 x 1.321,6)} x (1.798,8/3.120,5)
Keterangan: Kolom (6), kolom (8), kolom (10), jumlah penduduk tahun 2005, 2010, 2015
.id
-
K+D
-
s. go
merupakan hasil proyeksi penduduk total untuk tahun 2005.
Kolom (8) dihitung dengan cara yang sama dengan penghitungan kolom (6) dengan
Kolom (10) dihitung dengan cara yang sama dengan penghitungan kolom (6) dengan
w
-
.b p
menggunakan perbedaan LPP kota-desa (d) dari kolom (7).
w
menggunakan perbedaan LPP kota-desa (d) dari kolom (9).
tp :// w
Penurunan atau kenaikan nilai d yang digunakan setiap lima tahunan untuk selanjutnya disesuaikan dengan kelompok. Untuk kelompok URGD tinggi (jika d lebih dari 30) maka
ht
diasumsikan URGD turun 10 persen. Kelompok URGD sedang (jika d antara 20-30) diasumikan turun 7 persen. Sedangkan untuk kelompok URGD rendah (jika d dibawah 20) diasumsikan URGD naik 5 persen.
Tabel C.3. Persentase dan Jumlah Penduduk Daerah Perkotaan Provinsi DI Yogyakarta (dalam ribuan) Jumlah Penduduk Tahun
70
Perkotaan
Perdesaan
Total
Persentase Penduduk Perkotaan
2000
1.799
1.322
3.120
57,6
2005
2.107
1.171
3.278
64,3
2010
2.402
1.024
3.426
70,1
2015
2.678
890
3.568
75,1
D. PROYEKSI ANGKATAN KERJA 1.
Tingkat Partisipasi Angkatan Kerja (TPAK) Pola perkembangan Tingkat Partisipasi Angkatan Kerja (TPAK) sangat dipengaruhi
oleh susunan umur dan jenis kelamin. Perkembangan TPAK untuk setiap kelompok umur dan jenis kelamin sangat beragam, sesuai dengan perkembangan sosial ekonomi penduduk. Tingkat Partisipasi Angkatan Kerja usia muda umumnya selalu rendah, karena banyak diantara penduduk usia muda masih bersekolah. Seperti di negara berkembang lainnya, TPAK perempuan Indonesia juga masih jauh lebih kecil jika dibandingkan dengan TPAK laki-laki. Hal ini disebabkan karena kebanyakan dari perempuan tersebut hanya mengurus rumah tangga dan mengasuh anak, sedang laki-laki sering merupakan tulang punggung
ketenagakerjaan yang ada di Badan Pusat Statistik.
.id
ekonomi dalam rumah tangga. Gejala seperti ini juga tergambar dari seri data
s. go
Proyeksi Angkatan Kerja dibuat berdasarkan kecenderungan data TPAK di masa yang
.b p
lalu khususnya sejak tahun 1986. Untuk itu perlu diadakan beberapa tahap kegiatan sebelum proses pembuatan proyeksi angkatan kerja tersebut dilakukan. Beberapa kegiatan tersebut
tp :// w
1.1. Evaluasi data TPAK
w
w
adalah sebagai berikut:
Dari seluruh seri data ketenagakerjaan yang ada di Badan Pusat Statistik, terlihat bahwa
ht
walaupun secara umum konsep dan definisi sejak tahun 1976 hingga saat ini sudah seragam, namun seri data tersebut belum mulus (smooth). Seri data tersebut masih mengandung data pencilan (outlier), apalagi bersumber dari hasil survei yang berbeda. Oleh sebab itu, series data yang digunakan dalam proyeksi angkatan kerja hanya bersumber dari Survei Angkatan Kerja Nasional (Sakernas). Namun demikian, series ini masih tetap mengandung data pencilan. Untuk melihat reliabilitas seri data yang ada, diadakan evaluasi antara lain dengan melakukan pemilahan seri data TPAK hasil Sakernas. Terkait dengan hal tersebut, maka dalam menyusun proyeksi angkatan kerja untuk Provinsi Daerah Istimewa Yogayakarta diperlukan series data TPAK menurut kelompok umur dan jenis kelamin. Berikut disajikan tren data TPAK Provinsi Daerah Istimewa Yogyakarta yang dipilah menurut kelompok umur dan jenis kelamin untuk tahun 1986 sampai dengan tahun 2005.
71
Tabel D.1. Tingkat Partisipasi Angkatan Kerja (TPAK) DI Yogyakarta Menurut Kelompok Umur dan Jenis Kelamin, 1986-2005 Tahun
15-19
20-24
Tingkat Partisipasi Angkatan Kerja (TPAK) 25-34 35-44 45-54 L P L P L P
P
L
P
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
1986
43
45
58
64
92
76
99
77
1987
48
39
64
53
93
72
98
1988
45
39
61
60
90
75
1989
51
45
65
62
93
1990
47
39
62
54
1991
47
37
60
1992
45
38
1993
37
1994
55-64
65+
L
P
L
P
(11)
(12)
(13)
(14)
(15)
97
81
87
80
72
44
78
98
83
88
71
69
43
99
81
96
84
88
76
66
40
77
99
81
97
84
89
79
68
44
88
74
99
81
98
80
88
76
61
46
52
91
76
99
84
97
82
91
77
65
42
60
53
90
76
98
80
98
84
91
74
65
42
34
53
47
90
73
98
80
97
84
90
76
67
45
42
37
59
60
92
71
99
75
97
81
88
72
65
41
1996
35
28
50
53
89
69
98
78
98
78
88
67
59
38
1997
39
28
58
51
89
70
98
79
97
76
89
69
66
37
1998
28
25
54
46
91
73
98
77
98
82
90
67
61
44
1999
27
24
59
57
90
72
99
2000
27
29
60
59
93
73
99
2001
37
27
53
47
90
71
99
2002
32
22
55
43
90
69
2003
32
23
53
49
93
71
2004
34
28
57
48
92
s. go 96
82
89
71
66
44
84
99
80
89
74
72
50
77
97
85
88
65
69
46
98
80
97
80
87
76
64
48
99
78
98
81
90
76
66
52
69
98
78
97
76
89
77
71
51
67
99
75
98
77
91
72
63
38
w
w
.b p
77
tp :// w
2005 27 24 51 50 95 Keterangan : L=Laki-laki, P=Perempuan
.id
L
ht
Langkah berikutnya adalah melakukan pengolahan data berdasarkan tabel di atas. Namun dalam proses pengolahan data tersebut ada beberapa asumsi yang harus dicermati terlebih dahulu.
1.2. Asumsi yang Digunakan Mengingat proyeksi angkatan kerja ini didasarkan atas perilaku seri TPAK di masa lampau, maka digunakan dua asumsi dasar dalam proyeksi ini. Asumsi tersebut adalah : a. Dalam periode proyeksi pola kerja tidak akan berubah secara nyata, demikian pula dengan kecenderungan sosial, budaya, pendidikan dan terjadinya bencana tidak berbeda dengan periode yang lalu. b. Perkembangan TPAK di masa yang akan datang (dalam periode proyeksi) akan mengikuti pola perkembangan masa lampau.
72
Selain itu, penyusunan proyeksi angkatan kerja ini menggunakan pola asumsi-asumsi mengenai kecenderungan TPAK menurut kelompok umur dan jenis kelamin. Asumsi-asumsi tersebut adalah : a. Perkembangan TPAK laki-laki menurut kelompok umur : TPAK pada kelompok umur muda (15 – 19) tahun menunjukkan tendensi yang menurun. Hal ini disebabkan partisipasi sekolah baik pada jenjang pendidikan dasar maupun pada jenjang pendidikan yang lebih tinggi semakin naik. TPAK pada kelompok umur (20 – 24) tahun cenderung meningkat. Dengan makin singkatnya masa studi pada jenjang pendidikan di perguruan tinggi mengakibatkan pada kelompok umur (20 – 24) tahun sudah termasuk mereka yang tamat perguruan tinggi dan segera memasuki pasar kerja. TPAK pada kelompok umur (25 – 54) tahun mengalami peningkatan yang relatif
.id
kecil, mengingat bahwa pada kelompok umur ini TPAK laki-laki sudah mendekati
s. go
100 persen.
TPAK pada kelompok umur tua (55 tahun keatas) masih menunjukkan tendensi
.b p
menaik. Hal ini diduga akibat semakin membaiknya kesehatan dan keadaan ekonomi
w
yang “memaksa” pada kelompok umur tua sehingga mereka masih tetap bertahan di
w
pasar kerja.
tp :// w
b. Perkembangan TPAK perempuan menurut kelompok umur : Hampir sama dengan pola TPAK laki-laki, TPAK perempuan pada kelompok umur
ht
(15 – 19) tahun juga menunjukkan penurunan. Ini disebabkan karena naiknya partisipasi sekolah anak perempuan yang relatif seimbang dengan anak laki-laki. TPAK perempuan pada kelompok umur (20 – 24) tahun menunjukkan peningkatan yang nyata. Hal ini terjadi karena kesempatan kerja bagi perempuan semakin terbuka dibandingkan dengan dekade 70’an, dan perubahan budaya yang terjadi di masyarakat Indonesia. Peningkatan TPAK yang relatif besar dibandingkan dengan TPAK laki-laki adalah pada kelompok umur tua (65 tahun ke atas) masih menunjukkan tendensi naik. Berdasarkan pada asumsi dan dugaan tersebut di atas maka diharapkan estimasi proyeksi angkatan kerja Provinsi Daerah Istimewa Yogyakarta akan lebih akurat dan dapat dipercaya. Langkah berikutnya adalah proses pemilihan model.
73
1.3. Pemilihan Model Penghitungan proyeksi TPAK yang dirinci menurut kelompok umur dan jenis kelamin didasarkan pada tiga jenis model yaitu: Regresi Linear Sederhana; dengan persamaan : Y = a + bX Regresi Double – Logaritma; dengan persamaan : Log Y = a’ + b’log X Regresi Semi – Logaritma; dengan persamaan : Y = a’’ + b’’ log X Dimana Y = TPAK, dan X = tahun Ketiga model di atas diterapkan pada seri data TPAK Provinsi Daerah Istimewa Yogyakarta yang bersumber dari Sakernas 1986-2005. Sebelum memilih jenis model yang dipakai untuk suatu kelompok umur dan jenis kelamin, terlebih dahulu dilakukan penyisihan nilai observasi yang berupa nilai pencilan. Proses penyisihan nilai pencilan dilakukan sebagai berikut :
.id
1) Apabila selisih nilai observasi yang ekstrim terhadap perkiraan regresi untuk masing-
Error) atau ditulis
−
s. go
masing kelompok umur dan jenis kelamin lebih besar dari dua kali galat baku (Standard > 2 SE, maka nilai observasi yang bersangkutan
.b p
dikeluarkan dari seri data dasar dan regresi baru tanpa outlier dibuat kembali.
w
2) Tahap berikutnya adalah pemilihan model terbaik untuk setiap kelompok umur dan jenis ) tertinggi dari ketiga model tersebut yang dicoba untuk
tp :// w
coefficient of determination (
w
kelamin. Pemilihan model terbaik ini didasarkan pada model yang mempunyai nilai
setiap kelompok umur dan jenis kelamin. Proses ini dilakukan untuk ketiga jenis seri
ht
data dasar yang ada. Dari model-model terbaik yang ditemukan untuk setiap kelompok umur dan jenis kelamin dari ketiga jenis seri data dasar yang ada, dipilih salah satu model yang dianggap sesuai dengan sifat-sifat data dasar. Berikut merupakan tahap awal pengolahan data proyeksi TPAK menurut kelompok umur dan jenis kelamin yang dirinci menurut tiga model proyeksi di atas. Tahap ini akan melakukan sensor data pencilan.
74
a. Kelompok Umur 15-19 a.1. Regresi Linear Sederhana Tabel D.2. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 15-19 menurut Jenis Kelamin Tahun
TPAK
Laki-Laki Estimasi Selisih
Outlier
TPAK
Perempuan Estimasi Selisih
Outlier
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
43,24
48,58
-5,35
1,00
44,77
42,91
1,87
-
1987
47,67
47,49
0,19
-
38,56
41,77
-3,22
1,00
1988
45,43
46,39
-0,96
-
38,59
40,64
-2,05
-
1989
51,18
45,30
5,88
1,00
45,33
39,51
5,82
1,00
1990
47,26
44,20
3,06
-
39,05
38,37
0,68
-
1991
46,94
43,11
3,83
-
37,07
37,24
-0,17
-
1992
45,08
42,01
3,07
-
37,82
36,11
1,71
-
1993
37,20
40,92
-3,72
-
34,32
34,97
-0,65
-
1994
41,89
39,65
2,24
-
37,30
33,66
3,64
1,00
1996
35,24
37,46
-2,22
-
28,26
31,39
-3,14
1,00
1997
38,58
36,36
2,22
-
28,41
30,26
-1,85
-
1998
28,29
35,27
-6,98
1,00
24,85
29,13
-4,27
1,00
1999
26,91
34,17
-7,27
1,00
24,06
27,99
-3,93
1,00
2000
27,04
33,08
-6,04
1,00
28,97
26,86
2,10
-
2001
37,35
31,98
5,37
1,00
26,61
25,73
0,88
-
2002
32,09
30,89
1,20
-
21,55
24,60
-3,05
1,00
2003
32,26
29,79
2,47
-
22,72
23,46
-0,74
-
2004
34,22
28,70
5,52
1,00
27,70
22,33
5,37
1,00
2005
27,00
27,60
-0,60
-
24,23
21,20
3,03
1,00
ht
tp :// w
w
w
.b p
s. go
.id
(1)
Dari tabel di atas terlihat bahwa nilai Yi (nilai observasi) bagi TPAK laki-laki adalah 43,24 sementara hasil estimasi angka TPAK ( ) adalah sebesar 48,58. Kemudian diperoleh nilai Standart Error (SE) yang berasal dari akar selisih nilai Yi dan ( ) yang telah dikuadratkan dan dibagi dengan (n-1) sebesar 2,07 dengan demikian maka nilai 2SE adalah sebesar 4,15. Jika dibandingkan antara selisih dari nilai observasi (Yi) dan nilai estimasi ( ) dengan 4,15 maka jelas bahwa selisih nilai
−
lebih besar dari nilai 2SE. Dengan
demikian maka terdapat outlier sehingga untuk iterasi model berikutnya nilai observasi yang terdapat outliernya (TPAK tahun 1986) dikeluarkan dari model. Berbeda halnya dengan TPAK tahun 1987 dengan nilai Yi sebesar 47,67 dan nilai estimasi TPAK sebesar 47,49 maka nilai
−
jauh dibawah nilai 2SE. Dengan
demikian dapat dikatakan bahwa tidak terdapat outlier untuk data tahun 1987. Oleh karena itu 75
untuk iterasi model berikutnya data tahun 1987 tidak dikeluarkan dari model. Proses yang sama dilakukan untuk tiap-tiap tahun untuk tiap model baik untuk TPAK laki-laki maupun perempuan. a.2. Regresi Double Logaritma Tabel D.3. Aplikasi Model Regresi Double Logaritma Kelompok Umur 15-19 menurut Jenis Kelamin
76
Laki-Laki Estimasi Selisih
TPAK
(5)
(6)
(2)
1986
43,24
1,75
-0,11
1,00
44,77
1,72
-0,06
-
1987
47,67
1,69
-0,01
-
38,56
1,64
-0,06
-
1988
45,43
1,66
0,00
-
38,59
1,60
-0,01
-
1989
51,18
1,63
0,08
-
45,33
1,57
0,09
1,00
1990
47,26
1,61
0,06
-
39,05
1,55
0,04
-
1991
46,94
1,60
0,07
-
37,07
1,53
0,04
-
1992
45,08
1,59
0,07
-
37,82
1,51
0,07
-
1993
37,20
1,58
0,00
-
34,32
1,50
0,04
-
1994
41,89
1,56
0,06
-
37,30
1,48
0,09
1,00
1996
35,24
1,55
0,00
-
28,26
1,46
-0,01
-
1997
38,58
1,54
0,05
-
28,41
1,45
0,00
-
1998
28,29
1,53
-0,08
1,00
24,85
1,45
-0,05
-
1999
26,91
1,53
-0,10
24,06
1,44
-0,06
-
2000
27,04
2001
37,35
2002
32,09
2003
32,26
2004
34,22
2005
27,00
s. go
.id
(7)
(8)
Outlier
(1)
.b p
(4)
Perempuan Estimasi Selisih
(9)
1,00
1,52
-0,09
1,00
28,97
1,43
0,03
-
1,52
0,05
-
26,61
1,42
0,00
-
1,51
-0,01
-
21,55
1,42
-0,09
1,00
1,51
0,00
-
22,72
1,41
-0,06
-
1,50
0,03
-
27,70
1,41
0,04
-
1,50
-0,07
-
24,23
1,40
-0,02
-
ht
w
(3)
Outlier
w
TPAK
tp :// w
Tahun
a.3. Regresi Semi Logaritma Tabel D.4. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 15-19 menurut Jenis Kelamin
Outlier
TPAK
(5)
(6)
-9,99
1,00
44,77
48,73
-3,95
-
48,28
-0,60
-
38,56
43,28
-4,72
-
45,43
45,38
0,05
-
38,59
40,09
-1,50
-
1989
51,18
43,33
7,86
1,00
45,33
37,83
7,50
1,00
1990
47,26
41,73
5,53
-
39,05
36,08
2,98
-
1991
46,94
40,43
6,51
-
37,07
34,64
2,43
-
1992
45,08
39,33
5,75
-
37,82
33,43
4,39
-
1993
37,20
38,38
-1,18
-
34,32
32,38
1,94
-
1994
41,89
37,41
4,48
-
37,30
31,32
5,99
1,00
1996
35,24
36,00
-0,76
-
28,26
29,77
-1,51
-
1997
38,58
35,39
3,19
-
28,41
29,09
-0,68
-
1998
28,29
34,82
-6,53
-
24,85
28,47
-3,62
-
1999
26,91
34,30
-7,39
1,00
24,06
27,89
-3,83
-
2000
27,04
33,81
-6,78
-
28,97
27,36
1,61
-
2001
37,35
33,36
3,99
-
26,61
26,86
-0,25
-
2002
32,09
32,93
w
Perempuan Estimasi Selisih
-0,84
-
21,55
26,38
-4,84
1,00
2003
32,26
32,52
w
-0,26
-
22,72
25,94
-3,22
-
2004
34,22
32,14
2,08
-
27,70
25,52
2,18
-
2005
27,00
31,78
-4,77
-
24,23
25,12
-0,89
-
1986
43,24
53,23
1987
47,67
1988
(4)
(7)
.id
(3)
s. go
(2)
(8)
Outlier (9)
ht
(1)
.b p
TPAK
Laki-Laki Estimasi Selisih
tp :// w
Tahun
Berdasarkan estimasi tiga model regresi di atas, maka terlihat bahwa seluruh model tersebut mendeteksi adanya outlier (pencilan) baik untuk TPAK laki-laki maupun perempuan. Keberadaan pencilan tersebut ditandai dengan adanya angka 1 di kolom outlier. Dengan demikian, maka data yang bersesuaian dengan keberadaan pencilan tersebut dikeluarkan untuk tiap-tiap model tersebut. Langkah berikutnya adalah kembali melakukan pengolahan dengan ketiga model tersebut. Proses pengolahan dilakukan berulang-ulang hingga tidak ada lagi pencilan. Setelah dilakukan beberapa kali proses iterasi, maka diperoleh model yang fit untuk kelompok umur 15-19 bagi laki-laki maupun perempuan. TPAK lakilaki maupun perempuan untuk kelompok umur 15-19 mengikuti pola estimasi Model Regresi Double Logaritma, yang mana tidak terdapat lagi pencilan untuk tiap data pada kelompok umur ini.
77
Tabel D.5. Model Estimasi Fit Regresi Kelompok Umur 15-19 menurut Jenis Kelamin Tahun
TPAK
Laki-Laki Estimasi Selisih
TPAK
(5)
(6)
1986
43,24
1,69
-0,05
-
44,77
1,72
-0,06
-
1987
47,67
1,69
-0,01
-
38,56
1,64
-0,06
-
1988
45,43
1,66
0,00
-
38,59
1,60
-0,01
-
1989
51,18
1,63
0,08
-
45,33
1,64
0,02
-
1990
47,26
1,61
0,06
-
39,05
1,55
0,04
-
1991
46,94
1,60
0,07
-
37,07
1,53
0,04
-
1992
45,08
1,59
0,07
-
37,82
1,51
0,07
-
1993
37,20
1,58
0,00
-
34,32
1,50
0,04
-
1994
41,89
1,56
0,06
-
37,30
1,48
0,05
-
1996
35,24
1,55
0,00
-
28,26
1,46
-0,01
-
1997
38,58
1,54
0,05
-
28,41
1,45
0,00
-
1998
28,29
1,53
0,04
-
24,85
1,45
-0,05
-
1999
26,91
1,53
0,04
-
24,06
1,44
-0,06
-
2000
27,04
1,52
0,04
-
28,97
1,43
0,03
-
2001
37,35
1,52
0,05
-
26,61
1,42
0,00
-
2002
32,09
1,51
-0,01
-
21,55
1,42
-0,06
-
2003
32,26
1,51
0,00
-
22,72
1,41
-0,06
-
2004
34,22
1,50
0,03
-
27,70
1,41
0,04
-
2005
27,00
1,50
-0,07
-
24,23
1,40
-0,02
-
s. go
.id
(2)
w
w
(7)
Outlier
(1)
.b p
(4)
Perempuan Estimasi Selisih (8)
(9)
tp :// w
(3)
Outlier
Model fit untuk proyeksi TPAK laki-laki dan perempuan kelompok umur 15-19 sebagai
ht
berikut :
a) TPAK Laki-laki kelompok umur 15-19 Log Y= 1,75 – 0,19 logX, R2 = 0,65, SE= 0,02 - R2 Model Regresi Sederhana = 0,57, R2 Model Regresi Semi Logaritma = 0,55 - SE Model Regresi Sederhana = 2,07, SE Model Regresi Semi Logaritma = 3,41 b) TPAK Perempuan kelompok umur 15-19 Log Y= 1,69 – 0,24 logX, R2 = 0,79, SE= 0,03 - R2 Model Regresi Sederhana = 0,76, R2 Model Regresi Semi Logaritma = 0,75 - SE Model Regresi Sederhana = 1,48, SE Model Regresi Semi Logaritma = 2,41
78
b. Kelompok Umur 20-24 b.1. Regresi Linear Sederhana Tabel D.6. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 20-24 menurut Jenis Kelamin Tahun (1)
TPAK (2)
Laki-Laki Estimasi Selisih (3)
Outlier
TPAK
(5)
(6)
(4)
Perempuan Estimasi Selisih (7)
(8)
Outlier (9)
57,82
61,76
-3,94
1,00
63,61
58,51
5,09
1,00
1987
64,14
61,30
2,84
-
52,69
57,95
-5,25
1,00
1988
60,52
60,85
-0,33
-
59,61
57,38
2,23
-
1989
65,02
60,39
4,63
1,00
62,18
56,81
5,38
1,00
1990
62,18
59,93
2,25
-
54,49
56,24
-1,75
-
1991
59,57
59,47
0,10
-
52,11
55,67
-3,56
-
1992
59,96
59,01
0,94
-
53,26
55,10
-1,84
-
1993
52,88
58,56
-5,67
1,00
46,76
54,53
-7,77
1,00
1994
58,55
58,02
0,52
-
60,07
53,87
6,20
1,00
1996
50,07
57,11
-7,03
1,00
52,66
52,73
-0,07
-
1997
57,93
56,65
1,29
-
51,19
52,16
-0,97
-
1998
54,15
56,19
-2,04
-
45,89
51,59
-5,70
1,00
1999
59,01
55,73
3,28
1,00
57,33
51,03
6,31
1,00
2000
60,48
55,28
5,21
1,00
59,11
50,46
8,66
1,00
2001
52,62
54,82
-2,20
-
47,37
49,89
-2,52
-
2002
55,39
54,36
1,03
-
42,86
49,32
-6,46
1,00
2003
52,98
53,90
-0,93
-
49,38
48,75
0,63
-
2004
56,61
53,44
3,17
-
48,26
48,18
0,08
-
2005
50,64
52,99
-2,34
-
50,05
47,61
2,44
-
s. go
.b p
w
w
ht
tp :// w
.id
1986
79
b.2. Regresi Double Logaritma Tabel D.7. Aplikasi Model Regresi Double Logaritma Kelompok Umur 20-24 menurut Jenis Kelamin Tahun
(5)
(6)
(4)
Perempuan Estimasi Selisih (7)
(8)
Outlier (9)
57,82
1,81
-0,04
1,00
63,61
1,80
0,01
-
1987
64,14
1,79
0,02
-
52,69
1,77
-0,05
-
1988
60,52
1,78
0,00
-
59,61
1,76
0,02
-
1989
65,02
1,77
0,04
1,00
62,18
1,75
0,05
-
1990
62,18
1,77
0,02
-
54,49
1,74
0,00
-
1991
59,57
1,77
0,01
-
52,11
1,73
-0,02
-
1992
59,96
1,76
0,02
-
53,26
1,73
0,00
-
1993
52,88
1,76
-0,04
-
46,76
1,72
-0,05
1,00
1994
58,55
1,76
0,01
-
60,07
1,72
0,06
1,00
1996
50,07
1,75
-0,05
1,00
52,66
1,71
0,01
-
1997
57,93
1,75
0,01
-
51,19
1,71
0,00
-
1998
54,15
1,75
-0,01
-
45,89
1,71
-0,04
-
1999
59,01
1,75
0,02
-
57,33
1,70
0,05
1,00
2000
60,48
1,74
0,04
1,00
59,11
1,70
0,07
1,00
2001
52,62
1,74
-0,02
-
47,37
1,70
-0,02
-
2002
55,39
1,74
0,00
-
42,86
1,70
-0,07
1,00
2003
52,98
1,74
-0,02
-
49,38
1,70
0,00
-
2004
56,61
1,74
0,01
-
48,26
1,69
-0,01
-
2005
50,64
-0,03
-
50,05
1,69
0,01
-
1,74
.b p
s. go
.id
1986
ht 80
TPAK
w
(3)
Outlier
w
(2)
Laki-Laki Estimasi Selisih
tp :// w
(1)
TPAK
b.3. Regresi Semi Logaritma Tabel D.8. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 20-24 menurut Jenis Kelamin Tahun
TPAK
Outlier
TPAK
(5)
(6)
(4)
(7)
(8)
Outlier (9)
57,82
63,75
-5,93
1,00
63,61
62,07
1,54
-
1987
64,14
61,67
2,47
-
52,69
59,13
-6,43
1,00
1988
60,52
60,45
0,07
-
59,61
57,41
2,21
-
1989
65,02
59,58
5,43
1,00
62,18
56,18
6,00
-
1990
62,18
58,91
3,27
-
54,49
55,24
-0,75
-
1991
59,57
58,36
1,20
-
52,11
54,46
-2,36
-
1992
59,96
57,90
2,06
-
53,26
53,81
-0,55
-
1993
52,88
57,50
-4,62
-
46,76
53,24
-6,49
1,00
1994
58,55
57,09
1,46
-
60,07
52,67
7,40
1,00
1996
50,07
56,50
-6,42
1,00
52,66
51,83
0,83
-
1997
57,93
56,24
1,70
-
51,19
51,47
-0,28
-
1998
54,15
56,00
-1,85
-
45,89
51,13
-5,24
-
1999
59,01
55,78
3,23
-
57,33
50,82
6,51
1,00
2000
60,48
55,58
4,91
1,00
59,11
50,53
8,58
1,00
2001
52,62
55,38
-2,77
-
47,37
50,26
-2,89
-
2002
55,39
55,20
0,18
-
42,86
50,01
-7,14
1,00
2003
52,98
55,03
-2,06
-
49,38
49,77
-0,39
-
2004
56,61
54,87
1,74
-
48,26
49,54
-1,28
-
2005
50,64
54,72
-4,07
-
50,05
49,32
0,73
-
ht
.b p
s. go
.id
1986
w
(3)
w
(2)
Perempuan Estimasi Selisih
tp :// w
(1)
Laki-Laki Estimasi Selisih
Disebabkan karena adanya pencilan untuk tiap model di atas maka dilakukan iterasi untuk tiap-tiap model baik untuk data TPAK laki-laki maupun perempuan untuk kelompok umur 20-24. Setelah tidak ditemukan lagi outlier, berdasarkan pada pertimbangan besaran koefisien determinasi dan nilai standard error maka Model Regresi Double Logaritma merupakan model regresi yang paling fit untuk memproyeksi TPAK laki-laki dan perempuan.
81
Tabel D.9. Model Estimasi Fit Regresi Kelompok Umur 20-24 menurut Jenis Kelamin Tahun (1)
Laki-Laki Estimasi Selisih
TPAK (2)
(3)
Outlier
TPAK
(5)
(6)
(4)
Perempuan Estimasi Selisih (7)
Outlier
(8)
(9)
57,82
1,79
-0,03
-
63,61
1,80
0,01
-
1987
64,14
1,79
0,02
-
52,69
1,77
-0,05
-
1988
60,52
1,78
0,00
-
59,61
1,76
0,02
-
1989
65,02
1,78
0,03
-
62,18
1,75
0,05
-
1990
62,18
1,78
0,01
-
54,49
1,74
0,00
-
1991
59,57
1,77
0,01
-
52,11
1,73
-0,02
-
1992
59,96
1,76
0,02
-
53,26
1,73
0,00
-
1993
52,88
1,76
-0,04
-
46,76
1,71
-0,04
-
1994
58,55
1,76
0,01
-
60,07
1,71
0,04
-
1996
50,07
1,76
-0,04
-
52,66
1,71
0,01
-
1997
57,93
1,75
0,01
-
51,19
1,71
0,00
-
1998
54,15
1,75
-0,01
-
45,89
1,71
-0,04
-
1999
59,01
1,75
0,02
-
57,33
1,71
0,05
-
2000
60,48
1,74
0,03
-
59,11
1,71
0,03
-
2001
52,62
1,74
-0,02
-
47,37
1,70
-0,02
-
2002
55,39
1,74
0,00
-
42,86
1,70
-0,03
-
2003
52,98
1,74
-0,02
-
49,38
1,70
0,00
-
2004
56,61
1,74
0,01
-
48,26
1,69
-0,01
-
2005
50,64
1,74
-0,03
-
50,05
1,69
0,01
-
tp :// w
w
w
.b p
s. go
.id
1986
Model fit untuk mengestimasi TPAK laki-laki maupun perempuan untuk kelompok 20-24
ht
adalah sebagai berikut:
a) TPAK Laki-laki kelompok umur 20-24 Log Y= 1,81 – 0,07 logX, R2 = 0,63, SE= 0,01 -
R2 Model Regresi Sederhana = 0,41, R2 Model Regresi Semi Logaritma = 0,34
-
SE Model Regresi Sederhana = 1,60, SE Model Regresi Semi Logaritma = 2,32
b) TPAK Perempuan kelompok umur 20-24 Log Y= 1,80 – 0,10 logX, R2 = 0,65, SE= 0,02
82
-
R2 Model Regresi Sederhana = 0,35, R2 Model Regresi Semi Logaritma = 0,37
-
SE Model Regresi Sederhana = 2,29, SE Model Regresi Semi Logaritma = 3,07
c. Kelompok Umur 25-34 c.1. Regresi Linear Sederhana Tabel D.10. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 25-34 menurut Jenis Kelamin Tahun (1)
TPAK (2)
Laki-Laki Estimasi Selisih (3)
Outlier
TPAK
(5)
(6)
(4)
Perempuan Estimasi Selisih (7)
(8)
Outlier (9)
91,54
90,56
0,98
-
76,00
75,78
0,23
-
1987
93,20
90,61
2,59
1,00
72,00
75,41
-3,41
1,00
1988
89,79
90,67
-0,88
-
75,18
75,05
0,14
-
1989
92,57
90,72
1,85
1,00
77,24
74,68
2,56
1,00
1990
88,40
90,77
-2,37
1,00
73,71
74,32
-0,61
-
1991
91,10
90,82
0,28
-
76,09
73,95
2,14
1,00
1992
90,39
90,87
-0,48
-
75,80
73,59
2,21
1,00
1993
89,76
90,93
-1,17
-
73,19
73,22
-0,03
-
1994
91,99
90,99
1,01
-
71,13
72,80
-1,67
-
1996
89,33
91,09
-1,75
1,00
68,59
72,07
-3,47
1,00
1997
89,09
91,14
-2,06
1,00
69,98
71,70
-1,72
-
1998
91,08
91,19
-0,11
-
73,13
71,34
1,79
-
1999
90,20
91,25
-1,05
-
71,81
70,97
0,84
-
2000
92,72
91,30
1,42
-
73,50
70,61
2,89
1,00
2001
89,83
91,35
-1,52
-
70,59
70,24
0,34
-
2002
90,11
91,40
-1,29
-
68,63
69,88
-1,25
-
2003
92,57
91,45
1,12
-
70,59
69,51
1,08
-
2004
91,85
91,51
0,34
-
69,16
69,15
0,01
-
2005
94,55
91,56
3,00
1,00
67,43
68,78
-1,35
-
s. go
.b p
w
w
ht
tp :// w
.id
1986
83
c.2. Regresi Double Logaritma Tabel D.11. Aplikasi Model Regresi Double Logaritma Kelompok Umur 25-34 menurut Jenis Kelamin Tahun
TPAK
(3)
TPAK
(5)
(6)
(7)
(8)
Outlier (9)
91,54
1,96
0,00
-
76,00
1,89
-0,01
-
1987
93,20
1,96
0,01
1,00
72,00
1,88
-0,02
1,00
1988
89,79
1,96
-0,01
-
75,18
1,87
0,00
-
1989
92,57
1,96
0,01
-
77,24
1,87
0,02
1,00
1990
88,40
1,96
-0,01
1,00
73,71
1,87
0,00
-
1991
91,10
1,96
0,00
-
76,09
1,86
0,02
1,00
1992
90,39
1,96
0,00
-
75,80
1,86
0,02
1,00
1993
89,76
1,96
-0,01
-
73,19
1,86
0,01
-
1994
91,99
1,96
0,00
-
71,13
1,86
-0,01
-
1996
89,33
1,96
-0,01
-
68,59
1,85
-0,02
1,00
1997
89,09
1,96
-0,01
-
69,98
1,85
-0,01
-
1998
91,08
1,96
0,00
-
73,13
1,85
0,01
-
1999
90,20
1,96
0,00
-
71,81
1,85
0,01
-
2000
92,72
1,96
0,01
-
73,50
1,85
0,02
1,00
2001
89,83
1,96
-0,01
-
70,59
1,85
0,00
-
2002
90,11
1,96
0,00
-
68,63
1,85
-0,01
-
2003
92,57
1,96
0,01
70,59
1,85
0,00
-
2004
91,85
2005
94,55
w
.b p
s. go
.id
1986
-
1,96
0,00
-
69,16
1,85
-0,01
-
1,96
0,02
1,00
67,43
1,85
-0,02
1,00
ht 84
Outlier
(4)
w
(2)
Perempuan Estimasi Selisih
tp :// w
(1)
Laki-Laki Estimasi Selisih
c.3. Regresi Semi Logaritma Tabel D.12. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 25-34 menurut Jenis Kelamin Tahun
TPAK
Outlier
TPAK
(5)
(6)
(4)
(7)
(8)
Outlier (9)
91,54
90,98
0,56
-
76,00
77,30
-1,29
-
1987
93,20
91,01
2,19
1,00
72,00
75,66
-3,66
1,00
1988
89,79
91,02
-1,23
-
75,18
74,70
0,48
-
1989
92,57
91,03
1,53
-
77,24
74,02
3,22
1,00
1990
88,40
91,04
-2,64
1,00
73,71
73,49
0,21
-
1991
91,10
91,05
0,06
-
76,09
73,06
3,03
1,00
1992
90,39
91,05
-0,66
-
75,80
72,70
3,10
1,00
1993
89,76
91,06
-1,30
-
73,19
72,38
0,81
-
1994
91,99
91,06
0,93
-
71,13
72,06
-0,94
-
1996
89,33
91,07
-1,73
-
68,59
71,60
-3,00
1,00
1997
89,09
91,07
-1,98
-
69,98
71,39
-1,41
-
1998
91,08
91,07
0,01
-
73,13
71,21
1,92
-
1999
90,20
91,07
-0,88
-
71,81
71,03
0,78
-
2000
92,72
91,08
1,64
-
73,50
70,87
2,62
-
2001
89,83
91,08
-1,25
-
70,59
70,72
-0,14
-
2002
90,11
91,08
-0,97
-
68,63
70,58
-1,95
-
2003
92,57
91,08
1,49
-
70,59
70,45
0,15
-
2004
91,85
91,09
0,76
-
69,16
70,32
-1,16
-
2005
94,55
91,09
3,47
1,00
67,43
70,20
-2,77
-
ht
.b p
s. go
.id
1986
w
(3)
w
(2)
Perempuan Estimasi Selisih
tp :// w
(1)
Laki-Laki Estimasi Selisih
Proses iterasi dilakukan untuk tiap-tiap model regresi di atas disebabkan karena ditemukannya pencilan. Setelah pencilan hilang maka proses iterasi berhenti dan diperoleh model fit yang bebas pencilan. Diantara ketiga model regresi tersebut, maka Model Regresi Double Logaritma merupakan model fit untuk proyeksi TPAK laki-laki kelompok umur 2534 sementara untuk TPAK perempuan pada kelompok umur tersebut yang fit adalah Model Regresi Sederhana.
85
Tabel D.13. Model Estimasi Fit Regresi Kelompok Umur 25-34 menurut Jenis Kelamin Tahun (1)
TPAK (2)
Laki-Laki Estimasi Selisih (3)
Outlier
TPAK
(5)
(6)
(4)
Perempuan Estimasi Selisih (7)
Outlier
(8)
(9)
91,54
1,96
0,00
-
76,00
75,78
0,23
-
1987
93,20
1,97
0,00
-
72,00
71,43
0,57
-
1988
89,79
1,96
-0,01
-
75,18
75,05
0,14
-
1989
92,57
1,96
0,01
-
77,24
76,07
1,17
-
1990
88,40
1,95
0,00
-
73,71
74,32
-0,61
-
1991
91,10
1,96
0,00
-
76,09
75,95
0,14
-
1992
90,39
1,96
0,00
-
75,80
76,01
-0,21
-
1993
89,76
1,96
-0,01
-
73,19
73,22
-0,03
-
1994
91,99
1,96
0,00
-
71,13
72,80
-1,67
-
1996
89,33
1,96
-0,01
-
68,59
69,39
-0,80
-
1997
89,09
1,96
-0,01
-
69,98
71,70
-1,72
-
1998
91,08
1,96
0,00
-
73,13
71,34
1,79
-
1999
90,20
1,96
0,00
-
71,81
70,97
0,84
-
2000
92,72
1,96
0,01
-
73,50
72,98
0,52
-
2001
89,83
1,96
-0,01
-
70,59
70,24
0,34
-
2002
90,11
1,96
0,00
-
68,63
69,88
-1,25
-
2003
92,57
1,96
0,01
-
70,59
69,51
1,08
-
2004
91,85
1,96
0,00
-
69,16
69,15
0,01
-
2005
94,55
1,97
0,01
-
67,43
68,78
-1,35
-
tp :// w
w
w
.b p
s. go
.id
1986
Model yang sesuai untuk mengestimasi TPAK laki-laki dan perempuan sebagai berikut:
ht
a) TPAK Laki-laki kelompok umur 25-34 Log Y= 1,96 – 0,003 logX, R2 = 0,06, SE= 0,004 -
R2 Model Regresi Sederhana = 0,04, R2 Model Regresi Semi Logaritma = 0,00
-
SE Model Regresi Sederhana = 0,76, SE Model Regresi Semi Logaritma = 1,06
b) TPAK Perempuan kelompok umur 25-34 Y= 75.47 – 0.53X, R2 = 0.80, SE= 0.68 -
R2 Model Regresi Semi Logaritma = 0,58, R2 Model Regresi Double Logaritma = 0,47
-
SE Model Regresi Semi Logaritma = 0,90, SE Model Regresi Double Logaritma = 1,39
86
d. Kelompok Umur 35-44 d.1. Regresi Linear Sederhana Tabel D.14. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 35-44 menurut Jenis Kelamin Tahun (1)
TPAK (2)
Laki-Laki Estimasi Selisih (3)
Outlier
TPAK
(5)
(6)
(4)
Perempuan Estimasi Selisih (7)
(8)
Outlier (9)
98,68
98,56
0,12
-
77,09
80,02
-2,92
1,00
1987
98,28
98,56
-0,28
-
78,00
79,89
-1,89
-
1988
98,96
98,56
0,41
-
80,81
79,77
1,04
-
1989
99,28
98,56
0,72
1,00
80,82
79,65
1,17
-
1990
98,99
98,56
0,43
-
81,09
79,52
1,57
-
1991
98,67
98,55
0,11
-
84,29
79,40
4,88
1,00
1992
98,11
98,55
-0,44
-
80,06
79,28
0,78
-
1993
97,73
98,55
-0,82
1,00
79,54
79,16
0,39
-
1994
98,58
98,55
0,03
-
74,64
79,01
-4,38
1,00
1996
97,87
98,55
-0,68
1,00
77,73
78,77
-1,03
-
1997
97,89
98,55
-0,66
1,00
78,66
78,64
0,01
-
1998
98,31
98,55
-0,24
-
76,76
78,52
-1,76
-
1999
98,57
98,55
0,03
-
76,57
78,40
-1,82
-
2000
99,15
98,54
0,61
1,00
83,76
78,27
5,49
1,00
2001
98,96
98,54
0,42
-
76,62
78,15
-1,53
-
2002
98,11
98,54
-0,43
-
79,73
78,03
1,70
-
2003
99,27
98,54
0,73
1,00
78,40
77,91
0,50
-
2004
98,41
98,54
-0,13
-
77,99
77,78
0,21
-
2005
98,68
98,54
0,14
-
75,39
77,66
-2,27
-
ht
tp :// w
w
w
.b p
s. go
.id
1986
87
d.2. Regresi Double Logaritma Tabel D.15. Aplikasi Model Regresi Double Logaritma Kelompok Umur 35-44 menurut Jenis Kelamin Tahun
88
Perempuan Estimasi Selisih
TPAK
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
98,68
1,99
0,00
-
77,09
1,90
-0,02
-
1987
98,28
1,99
0,00
-
78,00
1,90
-0,01
-
1988
98,96
1,99
0,00
-
80,81
1,90
0,01
-
1989
99,28
1,99
0,00
1,00
80,82
1,90
0,01
-
1990
98,99
1,99
0,00
1,00
81,09
1,90
0,01
-
1991
98,67
1,99
0,00
-
84,29
1,90
0,03
1,00
1992
98,11
1,99
0,00
-
80,06
1,90
0,01
-
1993
97,73
1,99
0,00
1,00
79,54
1,90
0,00
-
1994
98,58
1,99
0,00
-
74,64
1,90
-0,02
1,00
1996
97,87
1,99
0,00
1,00
77,73
1,90
-0,01
-
1997
97,89
1,99
0,00
1,00
78,66
1,90
0,00
-
1998
98,31
1,99
0,00
-
76,76
1,90
-0,01
-
1999
98,57
1,99
0,00
-
76,57
1,89
-0,01
-
2000
99,15
1,99
0,00
1,00
83,76
1,89
0,03
1,00
2001
98,96
1,99
0,00
76,62
1,89
-0,01
-
2002
98,11
1,99
0,00
-
79,73
1,89
0,01
-
2003
99,27
1,99
0,00
1,00
78,40
1,89
0,00
-
2004
98,41
1,99
0,00
-
77,99
1,89
0,00
-
2005
98,68
1,99
0,00
-
75,39
1,89
-0,02
-
.b p
s. go
.id
Outlier
(1)
w
w
1,00
tp :// w
ht
TPAK
Laki-Laki Estimasi Selisih
Outlier
d.3. Regresi Semi Logaritma Tabel D.16. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 35-44 menurut Jenis Kelamin Tahun
TPAK
(5)
(6)
(4)
Perempuan Estimasi Selisih (7)
(8)
Outlier (9)
98,68
98,67
0,01
-
77,09
79,95
-2,86
-
1987
98,28
98,63
-0,35
-
78,00
79,59
-1,58
-
1988
98,96
98,61
0,36
-
80,81
79,37
1,44
-
1989
99,28
98,59
0,69
1,00
80,82
79,22
1,60
-
1990
98,99
98,58
0,41
-
81,09
79,10
1,99
-
1991
98,67
98,57
0,10
-
84,29
79,01
5,28
1,00
1992
98,11
98,56
-0,45
-
80,06
78,93
1,13
-
1993
97,73
98,55
-0,82
1,00
79,54
78,86
0,68
-
1994
98,58
98,55
0,03
-
74,64
78,79
-4,15
1,00
1996
97,87
98,54
-0,67
1,00
77,73
78,68
-0,95
-
1997
97,89
98,53
-0,64
1,00
78,66
78,64
0,02
-
1998
98,31
98,53
-0,22
-
76,76
78,59
-1,83
-
1999
98,57
98,52
0,05
-
76,57
78,56
-1,98
-
2000
99,15
98,52
0,63
1,00
83,76
78,52
5,24
1,00
2001
98,96
98,52
0,45
-
76,62
78,49
-1,87
-
2002
98,11
98,51
-0,41
-
79,73
78,45
1,27
-
2003
99,27
98,51
0,76
78,40
78,42
-0,02
-
2004
98,41
98,51
-0,10
-
77,99
78,40
-0,41
-
2005
98,68
98,51
0,18
-
75,39
78,37
-2,98
-
.b p
s. go
.id
1986
w
(3)
Outlier
w
(2)
Laki-Laki Estimasi Selisih
tp :// w
(1)
TPAK
1,00
ht
Setelah proses iterasi dilakukan maka diperoleh model fit untuk proyeksi TPAK lakilaki dan perempuan untuk kelompok umur 35-44 yang mana Model Regresi Semi Logaritma merupakan model fit untuk TPAK laki-laki kelompok umur 35-44 dan Model Regresi Double Logaritma untuk TPAK perempuan pada kelompok umur yang sama.
89
Tabel D.17. Model Estimasi Fit Regresi Kelompok Umur 35-44 menurut Jenis Kelamin Perempuan Estimasi Selisih
TPAK
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
98,68
98,67
0,01
-
77,09
1,90
-0,02
-
1987
98,28
98,63
-0,35
-
78,00
1,90
-0,01
-
1988
98,96
98,61
0,36
-
80,81
1,90
0,01
-
1989
99,28
99,59
-0,31
-
80,82
1,90
0,01
-
1990
98,99
98,58
0,41
-
81,09
1,90
0,01
-
1991
98,67
98,57
0,10
-
84,29
1,90
0,01
-
1992
98,11
98,56
-0,45
-
80,06
1,90
0,01
-
1993
97,73
97,55
0,18
-
79,54
1,90
0,00
-
1994
98,58
98,55
0,03
-
74,64
1,90
-0,01
-
1996
97,87
97,53
0,34
-
77,73
1,90
-0,01
-
1997
97,89
97,53
0,36
-
78,66
1,90
0,00
-
1998
98,31
98,53
-0,22
-
76,76
1,90
-0,01
-
1999
98,57
98,52
0,05
-
76,57
1,89
-0,01
-
2000
99,15
99,52
-0,37
-
83,76
1,89
-0,01
-
2001
98,96
98,52
0,45
-
76,62
1,89
-0,01
-
2002
98,11
98,51
-0,41
-
79,73
1,89
0,01
-
2003
99,27
99,51
-0,24
-
78,40
1,89
0,00
-
2004
98,41
98,51
-0,10
-
77,99
1,89
0,00
-
2005
98,68
98,51
0,18
-
75,39
1,89
-0,02
-
w
.b p
s. go
.id
Outlier
(1)
Outlier
tp :// w
TPAK
Laki-Laki Estimasi Selisih
w
Tahun
sebagai berikut:
ht
Model fit untuk mengestimasi TPAK laki-laki dan perempuan kelompok umur 35-44 adalah
a) TPAK Laki-laki kelompok umur 35-44 Y= 98,69 – 0,171 logX, R2 = 0,035, SE= 0,222 -
R2 Model Regresi Sederhana = 0,00, R2 Model Regresi Double Logaritma = 0,01
-
SE Model Regresi Sederhana = 0,23, SE Model Regresi Double Logaritma = 0,31
b) TPAK Perempuan kelompok umur 25-34 Log Y= 1,90 – 0,008 logX, R2 = 0,08, SE= 0,006
90
-
R2 Model Regresi Sederhana = 0,09, R2 Model Regresi Semi Logaritma = 0,03
-
SE Model Regresi Sederhana = 1,19, SE Model Regresi Semi Logaritma = 1,66
e. Kelompok Umur 45-54 e.1. Regresi Linear Sederhana Tabel D.18. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 45-54 menurut Jenis Kelamin Tahun
TPAK
Laki-Laki Estimasi Selisih
Outlier
TPAK
Perempuan Estimasi Selisih
Outlier
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
96,90
97,19
-0,29
-
80,89
83,29
-2,39
1,00
1987
97,93
97,20
0,73
1,00
83,01
83,06
-0,05
-
1988
95,98
97,22
-1,24
1,00
83,91
82,84
1,07
-
1989
96,73
97,23
-0,50
-
84,33
82,61
1,71
-
1990
98,26
97,25
1,01
1,00
80,40
82,39
-1,99
-
1991
97,13
97,26
-0,13
-
81,64
82,17
-0,52
-
1992
98,16
97,28
0,88
1,00
84,36
81,94
2,42
1,00
1993
97,28
97,29
-0,01
-
83,81
81,72
2,09
-
1994
96,70
97,31
-0,61
-
81,44
81,46
-0,02
-
1996
98,20
97,34
0,86
1,00
78,13
81,01
-2,88
1,00
1997
96,69
97,35
-0,67
-
76,07
80,79
-4,72
1,00
1998
97,75
97,37
0,39
-
82,48
80,56
1,92
-
1999
96,49
97,38
-0,89
1,00
82,50
80,34
2,16
-
2000
98,61
97,40
1,21
1,00
80,40
80,11
0,29
-
2001
96,97
97,41
-0,44
-
84,58
79,89
4,69
1,00
2002
96,74
97,43
-0,69
-
79,70
79,67
0,03
-
2003
98,22
97,44
0,77
1,00
81,14
79,44
1,70
-
2004
96,76
97,46
-0,70
-
76,02
79,22
-3,20
1,00
2005
97,68
97,47
0,20
-
77,02
78,99
-1,98
-
ht
tp :// w
w
w
.b p
s. go
.id
(1)
91
e.2. Regresi Double Logaritma Tabel D.19. Aplikasi Model Regresi Double Logaritma Kelompok Umur 45-54 menurut Jenis Kelamin
92
Perempuan Estimasi Selisih
TPAK
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
96,90
1,99
0,00
-
80,89
1,92
-0,02
-
1987
97,93
1,99
0,00
-
83,01
1,92
0,00
-
1988
95,98
1,99
-0,01
1,00
83,91
1,92
0,01
-
1989
96,73
1,99
0,00
-
84,33
1,91
0,01
-
1990
98,26
1,99
0,00
1,00
80,40
1,91
-0,01
-
1991
97,13
1,99
0,00
-
81,64
1,91
0,00
-
1992
98,16
1,99
0,00
1,00
84,36
1,91
0,02
-
1993
97,28
1,99
0,00
-
83,81
1,91
0,01
-
1994
96,70
1,99
0,00
-
81,44
1,91
0,00
-
1996
98,20
1,99
0,00
1,00
78,13
1,91
-0,01
-
1997
96,69
1,99
0,00
-
76,07
1,91
-0,03
1,00
1998
97,75
1,99
0,00
-
82,48
1,91
0,01
-
1999
96,49
1,99
0,00
-
82,50
1,91
0,01
-
2000
98,61
1,99
0,01
1,00
80,40
1,91
0,00
-
2001
96,97
1,99
0,00
-
84,58
1,90
0,02
1,00
2002
96,74
1,99
0,00
-
79,70
1,90
0,00
-
2003
98,22
1,99
0,00
-
81,14
1,90
0,01
-
2004
96,76
1,99
0,00
-
76,02
1,90
-0,02
1,00
2005
97,68
1,99
0,00
-
77,02
1,90
-0,02
-
tp :// w
w
.b p
s. go
.id
Outlier
(1)
ht
TPAK
Laki-Laki Estimasi Selisih
w
Tahun
Outlier
e.3. Regresi Semi Logaritma Tabel D.20. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 45-54 menurut Jenis Kelamin Tahun
TPAK
Outlier
TPAK
(5)
(6)
(4)
(7)
(8)
Outlier (9)
96,90
97,05
-0,15
-
80,89
83,88
-2,98
-
1987
97,93
97,14
0,79
-
83,01
82,98
0,03
-
1988
95,98
97,19
-1,21
1,00
83,91
82,46
1,45
-
1989
96,73
97,23
-0,50
-
84,33
82,09
2,24
-
1990
98,26
97,26
1,00
1,00
80,40
81,80
-1,40
-
1991
97,13
97,28
-0,16
-
81,64
81,56
0,08
-
1992
98,16
97,30
0,86
-
84,36
81,37
3,00
-
1993
97,28
97,32
-0,04
-
83,81
81,19
2,61
-
1994
96,70
97,34
-0,64
-
81,44
81,02
0,42
-
1996
98,20
97,36
0,84
-
78,13
80,76
-2,63
-
1997
96,69
97,38
-0,69
-
76,07
80,65
-4,58
1,00
1998
97,75
97,39
0,37
-
82,48
80,55
1,93
-
1999
96,49
97,40
-0,90
-
82,50
80,46
2,04
-
2000
98,61
97,40
1,21
1,00
80,40
80,37
0,03
-
2001
96,97
97,41
-0,44
-
84,58
80,29
4,29
1,00
2002
96,74
97,42
-0,68
-
79,70
80,21
-0,51
-
2003
98,22
97,43
0,79
-
81,14
80,14
1,01
-
2004
96,76
97,44
-0,68
-
76,02
80,07
-4,05
1,00
2005
97,68
97,44
0,23
-
77,02
80,00
-2,98
-
ht
.b p
s. go
.id
1986
w
(3)
w
(2)
Perempuan Estimasi Selisih
tp :// w
(1)
Laki-Laki Estimasi Selisih
Model fit untuk proyeksi TPAK laki-laki dan perempuan untuk kelompok umur 45-54 yang mana Model Regresi Semi Logaritma merupakan model fit untuk TPAK laki-laki kelompok umur 45-54 dan Model Regresi Double Logaritma untuk TPAK perempuan pada kelompok umur tersebut.
93
Tabel D.21. Model Estimasi Fit Regresi Kelompok Umur 45-54 menurut Jenis Kelamin Tahun
TPAK
Laki-Laki Estimasi Selisih
Outlier
TPAK
Perempuan Estimasi Selisih
Outlier
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
96,90
97,05
-0,15
-
80,89
1,92
-0,02
-
1987
97,93
97,14
0,79
-
83,01
1,92
0,00
-
1988
95,98
96,18
-0,20
-
83,91
1,92
0,01
-
1989
96,73
97,23
-0,50
-
84,33
1,91
0,01
-
1990
98,26
98,26
0,00
-
80,40
1,91
-0,01
-
1991
97,13
97,28
-0,16
-
81,64
1,91
0,00
-
1992
98,16
97,30
0,86
-
84,36
1,91
0,02
-
1993
97,28
97,32
-0,04
-
83,81
1,91
0,01
-
1994
96,70
97,34
-0,64
-
81,44
1,91
0,00
-
1996
98,20
97,36
0,84
-
78,13
1,91
-0,01
-
1997
96,69
97,38
-0,69
-
76,07
1,91
-0,03
-
1998
97,75
97,39
0,37
-
82,48
1,91
0,01
-
1999
96,49
97,40
-0,90
-
82,50
1,91
0,01
-
2000
98,61
98,40
0,21
-
80,40
1,91
0,00
-
2001
96,97
97,41
-0,44
-
84,58
1,90
0,02
-
2002
96,74
97,42
-0,68
-
79,70
1,90
0,00
-
2003
98,22
97,43
0,79
-
81,14
1,90
0,01
-
2004
96,76
97,44
-0,68
-
76,02
1,90
-0,02
-
2005
97,68
97,44
0,23
-
77,02
1,90
-0,02
-
tp :// w
w
w
.b p
s. go
.id
(1)
Model yang sesuai untuk mengestimasi TPAK laki-laki dan perempuan kelompok umur 45-
ht
54 adalah sebagai berikut:
a) TPAK Laki-laki kelompok umur 45-54 Y= 97,26 + 0,01 logX, R2 = 0,03, SE= 0,00 -
R2 Model Regresi Sederhana = 0,01, R2 Model Regresi Double Logaritma = 0,02
-
SE Model Regresi Sederhana = 0,36, SE Model Regresi Double Logaritma = 0,49
b) TPAK Perempuan kelompok umur 45-54 Log Y= 1,92 – 0,013 logX, R2 = 0,16, SE= 0,007
94
-
R2 Model Regresi Sederhana = 0,15, R2 Model Regresi Semi Logaritma = 0,10
-
SE Model Regresi Sederhana = 1,15, SE Model Regresi Semi Logaritma = 1,66
f. f.1.
Kelompok Umur 55-64 Regresi Linear Sederhana
Tabel D.22. Aplikasi Model Regresi Linear Sederhana untuk Kelompok Umur 55-64 menurut Jenis Kelamin Tahun
TPAK
Laki-Laki Estimasi Selisih
Outlier
TPAK
Perempuan Estimasi Selisih
Outlier
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
86,99
88,51
-1,52
1,00
79,73
75,73
4,00
1,00
1987
88,29
88,56
-0,27
-
71,32
75,48
-4,17
1,00
1988
88,12
88,61
-0,49
-
75,55
75,24
0,31
-
1989
89,24
88,66
0,58
-
78,52
75,00
3,53
-
1990
88,36
88,71
-0,35
-
76,43
74,75
1,67
-
1991
90,99
88,76
2,23
1,00
77,17
74,51
2,66
-
1992
90,73
88,81
1,92
1,00
74,36
74,26
0,10
-
1993
90,00
88,86
1,14
-
76,39
74,02
2,37
-
1994
87,66
88,92
-1,26
1,00
71,88
73,74
-1,86
-
1996
87,60
89,03
-1,42
1,00
66,64
73,25
-6,61
1,00
1997
88,99
89,08
-0,08
-
69,30
73,00
-3,70
-
1998
89,68
89,13
0,55
-
67,31
72,76
-5,45
1,00
1999
89,22
89,18
0,04
-
70,63
72,52
-1,89
-
2000
89,48
89,23
0,25
-
73,67
72,27
1,39
-
2001
87,89
89,28
-1,40
1,00
65,42
72,03
-6,61
1,00
2002
86,98
89,33
-2,35
1,00
75,50
71,78
3,72
1,00
2003
90,27
89,38
0,89
-
76,23
71,54
4,69
1,00
2004
89,38
89,43
-0,05
-
76,70
71,30
5,40
1,00
2005
90,89
89,48
1,40
1,00
71,94
71,05
0,88
-
ht
tp :// w
w
w
.b p
s. go
.id
(1)
95
f.2.
Regresi Double Logaritma Tabel D.23. Aplikasi Model Regresi Double Logaritma Kelompok Umur 55-64 menurut Jenis Kelamin
96
Perempuan Estimasi Selisih
TPAK
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
86,99
1,94
0,00
-
79,73
1,89
0,01
-
1987
88,29
1,95
0,00
-
71,32
1,88
-0,03
1,00
1988
88,12
1,95
0,00
-
75,55
1,88
0,00
-
1989
89,24
1,95
0,00
-
78,52
1,87
0,02
-
1990
88,36
1,95
0,00
-
76,43
1,87
0,01
-
1991
90,99
1,95
0,01
1,00
77,17
1,87
0,02
-
1992
90,73
1,95
0,01
1,00
74,36
1,87
0,00
-
1993
90,00
1,95
0,00
-
76,39
1,87
0,02
-
1994
87,66
1,95
-0,01
-
71,88
1,86
-0,01
-
1996
87,60
1,95
-0,01
-
66,64
1,86
-0,04
1,00
1997
88,99
1,95
0,00
-
69,30
1,86
-0,02
-
1998
89,68
1,95
0,00
-
67,31
1,86
-0,03
1,00
1999
89,22
1,95
0,00
-
70,63
1,86
-0,01
-
2000
89,48
1,95
0,00
-
73,67
1,86
0,01
-
2001
87,89
1,95
-0,01
-
65,42
1,86
-0,04
1,00
2002
86,98
1,95
-0,01
1,00
75,50
1,86
0,02
-
2003
90,27
1,95
0,00
-
76,23
1,86
0,03
-
2004
89,38
1,95
0,00
-
76,70
1,85
0,03
-
2005
90,89
1,95
0,01
-
71,94
1,85
0,00
-
tp :// w
w
.b p
s. go
.id
Outlier
(1)
ht
TPAK
Laki-Laki Estimasi Selisih
w
Tahun
Outlier
f.3.
Regresi Semi Logaritma Tabel D.24. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 55-64 menurut Jenis Kelamin Perempuan Estimasi Selisih
TPAK
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
86,99
87,94
-0,95
-
79,73
77,98
1,75
-
1987
88,29
88,28
0,00
-
71,32
76,48
-5,16
1,00
1988
88,12
88,48
-0,36
-
75,55
75,60
-0,05
-
1989
89,24
88,63
0,61
-
78,52
74,98
3,54
-
1990
88,36
88,74
-0,37
-
76,43
74,50
1,93
-
1991
90,99
88,83
2,16
1,00
77,17
74,10
3,07
-
1992
90,73
88,90
1,83
1,00
74,36
73,77
0,59
-
1993
90,00
88,97
1,03
-
76,39
73,48
2,91
-
1994
87,66
89,04
-1,38
-
71,88
73,19
-1,31
-
1996
87,60
89,14
-1,53
-
66,64
72,76
-6,12
1,00
1997
88,99
89,18
-0,19
-
69,30
72,57
-3,27
-
1998
89,68
89,22
0,46
-
67,31
72,40
-5,09
1,00
1999
89,22
89,25
-0,03
-
70,63
72,24
-1,61
-
2000
89,48
89,29
0,19
-
73,67
72,10
1,57
-
2001
87,89
89,32
-1,44
-
65,42
71,96
-6,54
1,00
2002
86,98
89,35
-2,37
1,00
75,50
71,83
3,67
-
2003
90,27
89,38
0,90
-
76,23
71,71
4,52
-
2004
89,38
89,41
-0,03
-
76,70
71,59
5,11
1,00
2005
90,89
89,43
1,46
-
71,94
71,48
0,46
-
tp :// w
w
.b p
s. go
.id
Outlier
(1)
Outlier
ht
TPAK
Laki-Laki Estimasi Selisih
w
Tahun
Model fit untuk proyeksi TPAK laki-laki dan perempuan untuk kelompok umur 55-64 yang mana Model Regresi Semi Logaritma merupakan model fit untuk TPAK laki-laki kelompok umur 55-64 dan Model Regresi Double Logaritma untuk TPAK perempuan pada kelompok umur tersebut.
97
Tabel D.25. Model Estimasi Fit Regresi Kelompok Umur 55-64 menurut Jenis Kelamin Tahun
TPAK
Laki-Laki Estimasi Selisih
Outlier
TPAK
Perempuan Estimasi Selisih
Outlier
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
86,99
1,94
0,00
-
79,73
1,89
0,01
-
1987
88,29
1,95
0,00
-
71,32
1,88
-0,03
-
1988
88,12
1,95
0,00
-
75,55
1,88
0,00
-
1989
89,24
1,95
0,00
-
78,52
1,87
0,02
-
1990
88,36
1,95
0,00
-
76,43
1,87
0,01
-
1991
90,99
1,95
0,01
-
77,17
1,87
0,02
-
1992
90,73
1,95
0,01
-
74,36
1,87
0,00
-
1993
90,00
1,95
0,00
-
76,39
1,87
0,02
-
1994
87,66
1,95
-0,01
-
71,88
1,86
-0,01
-
1996
87,60
1,95
-0,01
-
66,64
1,86
-0,04
-
1997
88,99
1,95
0,00
-
69,30
1,86
-0,02
-
1998
89,68
1,95
0,00
-
67,31
1,86
-0,03
-
1999
89,22
1,95
0,00
-
70,63
1,86
-0,01
-
2000
89,48
1,95
0,00
-
73,67
1,86
0,01
-
2001
87,89
1,95
-0,01
-
65,42
1,86
-0,04
-
2002
86,98
1,95
-0,01
-
75,50
1,86
0,02
-
2003
90,27
1,95
0,00
-
76,23
1,86
0,03
-
2004
89,38
1,95
0,00
-
76,70
1,85
0,03
-
2005
90,89
1,95
0,01
-
71,94
1,85
0,00
-
tp :// w
w
w
.b p
s. go
.id
(1)
Model fit untuk mengestimasi TPAK laki-laki dan perempuan pada kelompok umur tersebut:
ht
a) TPAK Laki-laki kelompok umur 55-64 Y= 1,94 + 0,009 logX, R2 = 0,38, SE= 0,003 -
R2 Model Regresi Sederhana = 0,06, R2 Model Regresi Double Logaritma = 0,11
-
SE Model Regresi Sederhana = 0,59, SE Model Regresi Double Logaritma = 0,78
b) TPAK Perempuan kelompok umur 55-64 Log Y= 1,90 – 0,029 logX, R2 = 0,32, SE= 0,01
98
-
R2 Model Regresi Sederhana = 0,13, R2 Model Regresi Semi Logaritma = 0,19
-
SE Model Regresi Sederhana = 1,86, SE Model Regresi Semi Logaritma = 2,43
g. Kelompok Umur 65+ g.1. Regresi Linear Sederhana Tabel D.26. Aplikasi Model Regresi Linear Sederhana Kelompok Umur 65+ menurut Jenis Kelamin Tahun
TPAK
Laki-Laki Estimasi Selisih
Outlier
TPAK
Perempuan Estimasi Selisih
Outlier
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
71,88
66,41
5,48
1,00
43,71
41,56
2,16
-
1987
68,73
66,37
2,35
-
42,69
41,80
0,89
-
1988
66,43
66,34
0,09
-
40,36
42,05
-1,69
-
1989
67,66
66,30
1,35
-
43,55
42,29
1,25
-
1990
61,49
66,27
-4,78
1,00
45,59
42,54
3,05
-
1991
64,66
66,23
-1,58
-
42,18
42,78
-0,60
-
1992
64,80
66,20
-1,40
-
42,17
43,03
-0,86
-
1993
66,91
66,16
0,75
-
44,80
43,27
1,53
-
1994
64,88
66,12
-1,24
-
41,43
43,56
-2,13
-
1996
59,08
66,05
-6,97
1,00
38,22
44,05
-5,83
1,00
1997
65,69
66,02
-0,33
-
36,88
44,29
-7,41
1,00
1998
61,16
65,98
-4,83
1,00
43,94
44,54
-0,60
-
1999
66,41
65,95
0,46
-
43,76
44,78
-1,02
-
2000
71,81
65,91
5,89
1,00
50,19
45,03
5,16
1,00
2001
68,88
65,88
3,00
-
45,65
45,27
0,38
-
2002
64,38
65,84
-1,46
-
47,75
45,52
2,23
-
2003
66,48
65,81
0,67
-
51,66
45,76
5,90
1,00
2004
70,74
65,77
4,97
1,00
51,18
46,01
5,18
1,00
2005
63,31
65,74
-2,43
-
38,32
46,25
-7,94
1,00
ht
tp :// w
w
w
.b p
s. go
.id
(1)
99
g.2. Regresi Double Logaritma Tabel D.27. Aplikasi Model Regresi Double Logaritma Kelompok Umur 65+ menurut Jenis Kelamin
100
Perempuan Estimasi Selisih
TPAK
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
71,88
1,83
0,02
-
43,71
1,62
0,02
-
1987
68,73
1,83
0,01
-
42,69
1,62
0,01
-
1988
66,43
1,83
0,00
-
40,36
1,63
-0,02
-
1989
67,66
1,82
0,01
-
43,55
1,63
0,01
-
1990
61,49
1,82
-0,03
-
45,59
1,64
0,02
-
1991
64,66
1,82
-0,01
-
42,18
1,64
-0,01
-
1992
64,80
1,82
-0,01
-
42,17
1,64
-0,01
-
1993
66,91
1,82
0,01
-
44,80
1,64
0,01
-
1994
64,88
1,82
-0,01
-
41,43
1,64
-0,02
-
1996
59,08
1,82
-0,05
-
38,22
1,64
-0,06
-
1997
65,69
1,82
0,00
-
36,88
1,65
-0,08
-
1998
61,16
1,82
-0,03
-
43,94
1,65
0,00
-
1999
66,41
1,82
0,01
-
43,76
1,65
-0,01
-
2000
71,81
1,82
0,04
-
50,19
1,65
0,05
-
2001
68,88
1,81
0,02
-
45,65
1,65
0,01
-
2002
64,38
1,81
-0,01
-
47,75
1,65
0,03
-
2003
66,48
1,81
0,01
-
51,66
1,65
0,06
-
2004
70,74
1,81
0,04
-
51,18
1,65
0,06
-
2005
63,31
1,81
-0,01
-
38,32
1,65
-0,07
-
tp :// w
w
.b p
s. go
.id
Outlier
(1)
ht
TPAK
Laki-Laki Estimasi Selisih
w
Tahun
Outlier
g.3. Regresi Semi Logaritma Tabel D.28. Aplikasi Model Regresi Semi Logaritma Kelompok Umur 65+ menurut Jenis Kelamin Perempuan Estimasi Selisih
TPAK
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
71,88
68,28
3,61
-
43,71
41,18
2,53
-
1987
68,73
67,55
1,17
-
42,69
42,07
0,62
-
1988
66,43
67,13
-0,70
-
40,36
42,59
-2,24
-
1989
67,66
66,83
0,83
-
43,55
42,96
0,58
-
1990
61,49
66,60
-5,11
1,00
45,59
43,25
2,34
-
1991
64,66
66,41
-1,75
-
42,18
43,48
-1,30
-
1992
64,80
66,25
-1,45
-
42,17
43,68
-1,51
-
1993
66,91
66,11
0,80
-
44,80
43,85
0,95
-
1994
64,88
65,97
-1,08
-
41,43
44,03
-2,60
-
1996
59,08
65,76
-6,68
1,00
38,22
44,28
-6,06
1,00
1997
65,69
65,67
0,02
-
36,88
44,39
-7,51
1,00
1998
61,16
65,59
-4,43
1,00
43,94
44,49
-0,56
-
1999
66,41
65,51
0,90
-
43,76
44,59
-0,83
-
2000
71,81
65,44
6,36
1,00
50,19
44,67
5,51
1,00
2001
68,88
65,38
3,51
-
45,65
44,76
0,89
-
2002
64,38
65,31
-0,93
-
47,75
44,83
2,91
-
2003
66,48
65,25
1,22
-
51,66
44,91
6,75
1,00
2004
70,74
65,20
5,54
1,00
51,18
44,98
6,21
1,00
2005
63,31
65,15
-1,84
-
38,32
45,04
-6,72
1,00
tp :// w
w
.b p
s. go
.id
Outlier
(1)
Outlier
ht
TPAK
Laki-Laki Estimasi Selisih
w
Tahun
Model fit untuk proyeksi TPAK laki-laki dan perempuan untuk kelompok umur 65+ yang mana Model Regresi Double Logaritma merupakan model fit untuk TPAK laki-laki kelompok umur 65+ dan Model Regresi Linear Sederhana untuk TPAK perempuan pada kelompok umur tersebut.
101
Tabel D.29. Model Estimasi Fit Regresi Kelompok Umur 65+ menurut Jenis Kelamin Tahun
TPAK
Laki-Laki Estimasi Selisih
Outlier
TPAK
Perempuan Estimasi Selisih
Outlier
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1986
71,88
1,83
0,02
-
43,71
66,41
5,48
-
1987
68,73
1,83
0,01
-
42,69
66,37
2,35
-
1988
66,43
1,83
0,00
-
40,36
66,34
0,09
-
1989
67,66
1,82
0,01
-
43,55
66,30
1,35
-
1990
61,49
1,82
-0,03
-
45,59
66,27
-4,78
-
1991
64,66
1,82
-0,01
-
42,18
66,23
-1,58
-
1992
64,80
1,82
-0,01
-
42,17
66,20
-1,40
-
1993
66,91
1,82
0,01
-
44,80
66,16
0,75
-
1994
64,88
1,82
-0,01
-
41,43
66,12
-1,24
-
1996
59,08
1,82
-0,05
-
38,22
66,05
-6,97
-
1997
65,69
1,82
0,00
-
36,88
66,02
-0,33
-
1998
61,16
1,82
-0,03
-
43,94
65,98
-4,83
-
1999
66,41
1,82
0,01
-
43,76
65,95
0,46
-
2000
71,81
1,82
0,04
-
50,19
65,91
5,89
-
2001
68,88
1,81
0,02
-
45,65
65,88
3,00
-
2002
64,38
1,81
-0,01
-
47,75
65,84
-1,46
-
2003
66,48
1,81
0,01
-
51,66
65,81
0,67
-
2004
70,74
1,81
0,04
-
51,18
65,77
4,97
-
2005
63,31
1,81
-0,01
-
38,32
65,74
-2,43
-
tp :// w
w
w
.b p
s. go
.id
(1)
Model Regresi Double Logaritma fit untuk mengestimasi TPAK laki-laki dan Model Regresi
ht
Linear Sederhana fit untuk TPAK perempuan kelompok umur 65+ adalah sebagai berikut: a) TPAK Laki-laki kelompok umur 65+ LogY= 1,85 – 0,032 logX, R2 = 0,41, SE= 0,009 -
R2 Model Regresi Sederhana = 0,00, R2 Model Regresi Semi Logaritma = 0,06
-
SE Model Regresi Sederhana = 1,67, SE Model Regresi Semi Logaritma = 2,20
b) TPAK Perempuan kelompok umur 65+ Y= 41,81 + 0,264 X, R2 = 0,27, SE= 0,039 -
R2 Model Regresi Semi Logaritma = 0,07, R2 Model Regresi Double Logaritma = 0,05
-
SE Model Regresi Semi Logaritma = 2,64, SE Model Regresi Double Logaritma = 0,03
102
Hasil proyeksi TPAK yang diperoleh dari model regresi tersebut di atas selanjutnya dipakai sebagai dasar penghitungan proyeksi angkatan kerja untuk setiap kelompok umur dan jenis kelamin untuk tahun 2006-2015. Penghitungan proyeksi angkatan kerja dilakukan dengan cara mengalikan angka proyeksi TPAK dengan hasil proyeksi penduduk pada setiap kelompok umur dan jenis kelamin untuk tiap tahun proyeksi yang sesuai. Proyeksi penduduk yang digunakan adalah hasil aplikasi proyeksi penduduk untuk Provinsi Daerah Istimewa Yogyakarta yang didasarkan pada data hasil Sensus Penduduk tahun 2000. Untuk mendapatkan angka yang konsisten antar angka proyeksi nasional dan proyeksi angkatan kerja per kelompok umur dilakukan iterasi hasil proyeksi. Sebagai tahap perdana, proyeksi TPAK beserta proyeksi angkatan kerja yang dirinci menurut kelompok umur dan jenis kelamin terbatas pada Provinsi Daerah Istimewa Yogyakarta. Hasil Proyeksi TPAK dan Angkatan Kerja
.id
2.
s. go
Setelah seluruh proses seleksi model untuk tiap kelompok umur dan jenis kelamin selesai maka tahap berikutnya adalah melakukan proyeksi TPAK Provinsi Daerah Istimewa
.b p
Yogyakarta menurut jenis kelamin dan kelompok umur. Sementara untuk menghitung
w
angkatan kerja, nilai proyeksi TPAK dikalikan dengan proyeksi penduduk untuk tiap tahun,
w
kelompok umur dan jenis kelamin. Proyeksi penduduk yang digunakan bersumber dari
tp :// w
proyeksi penduduk berdasarkan hasil Sensus Penduduk 2000. Baik proyeksi TPAK maupun proyeksi angkatan kerja dalam publikasi ini menggambarkan keadaan pertengahan tahun.
ht
Berikut akan disajikan angka proyeksi TPAK menurut jenis kelamin serta dengan angka angkatan kerja dari tahun 2006 hingga tahun 2015. Ulasan yang lebih mendalam terkait proyeksi TPAK dan angkatan kerja Provinsi Daerah Istimewa Yogyakarta akan dilakukan untuk tahun 2011 hingga 2015. 2.1
Proyeksi Tingkat Partisipasi Angkatan Kerja (TPAK) Berikut merupakan hasil proyeksi TPAK Provinsi Daerah Istimewa Yogyakarta
menurut kelompok umur dan jenis kelamin. Sementara untuk angka TPAK total diperoleh ketika sudah diestimasi angka proyeksi angkatan kerja menurut jenis kelamin. Dengan demikian, maka hasil proyeksi yang disajikan pada tabel berikut untuk TPAK laki-laki dan perempuan dan kemudian untuk TPAK total.
103
Tabel D.30. Proyeksi TPAK Laki-Laki menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015 Tahun
15-19
20-24
25-34
Kelompok Umur 35-44 45-54
55-64
65+
Total
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
33,46
53,66
90,24
98,50
97,28
89,50
64,32
79,11
2007
33,05
53,42
90,22
98,50
97,28
89,55
64,19
79,32
2008
32,67
53,19
90,21
98,49
97,28
89,60
64,07
79,57
2009
32,32
52,98
90,19
98,49
97,28
89,64
63,95
79,90
2010
31,99
52,78
90,18
98,48
97,28
89,68
63,84
80,24
2011
31,68
52,59
90,16
98,48
97,28
89,72
63,73
80,44
2012
31,39
52,41
90,15
98,47
97,28
89,76
63,63
80,72
2013
31,11
52,24
90,14
98,47
97,28
89,80
63,54
81,00
2014
30,85
52,08
90,13
98,46
97,28
89,83
63,45
81,38
2015
30,60
51,93
90,12
98,46
97,28
89,86
63,36
81,79
.id
(1)
2006
104
20-24
25-34
(3)
(4)
48,54
68,55
2007
24,79
48,20
68,02
2008
24,45
47,88
2009
24,13
2010
55-64
65+
Total
(5)
(6)
(7)
(8)
(9)
77,87
80,60
77,91
45,24
63,58
77,83
80,54
77,87
45,51
63,53
67,49
77,80
80,48
77,83
45,77
63,50
47,59
66,96
77,76
80,42
77,80
46,03
63,52
23,83
47,31
66,42
77,73
80,37
77,76
46,30
63,53
2011
23,55
47,05
65,89
77,70
80,32
77,73
46,56
63,64
2012
23,29
46,81
65,36
77,67
80,27
77,70
46,83
63,77
2013
23,04
46,57
64,83
77,64
80,22
77,67
47,09
63,91
2014
22,80
46,35
64,30
77,62
80,18
77,64
47,35
64,07
2015
22,58
46,14
63,76
77,59
80,14
77,62
47,62
64,26
w
(2)
25,15
tp :// w
w
(1)
2006
Kelompok Umur 35-44 45-54
.b p
15-19
ht
Tahun
s. go
Tabel D.31. Proyeksi TPAK Perempuan menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015
Tabel D.32. Proyeksi Angkatan Kerja Laki-Laki menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015 (dalam ribuan) Tahun
15-19
20-24
25-34
Kelompok Umur 35-44 45-54
55-64
65+
Total
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
46,18
96,06
295,98
228,52
183,85
109,19
86,84
1.046,61
2007
45,94
92,42
305,85
231,46
188,71
111,04
86,66
1.062,09
2008
45,42
88,84
317,52
232,44
193,58
115,58
87,13
1.080,50
2009
44,28
86,36
330,10
237,35
199,42
119,22
88,25
1.104,98
2010
43,19
82,87
341,77
242,26
203,31
122,87
88,73
1.125,00
2011
41,82
82,05
340,82
250,13
207,20
128,30
91,14
1.141,46
2012
39,86
81,77
338,07
259,97
210,12
133,74
91,63
1,155,16
2013
37,96
81,50
336,22
269,80
212,06
139,18
92,13
1.168,86
2014
35,17
81,25
335,28
281,61
213,04
145,52
93,90
1.185,77
2015
32,13
82,04
332,53
295,38
215,96
151,87
95,68
1.205,59
.id
(1)
2006
20-24
25-34
Kelompok Umur 35-44 45-54
55-64
65+
Total
(5)
(6)
(7)
(8)
(9)
196,23
159,59
105,18
72,84
853,82
196,91
165,10
107,46
75,08
865,85
216,63
198,38
170,62
108,96
77,35
877,00
69,95
219,61
199,85
175,32
112,03
78,72
887,33
31,22
68,13
222,52
202,10
180,03
115,87
81,02
900,88
2011
29,68
67,28
219,42
205,13
183,93
119,71
82,41
907,55
2012
28,18
66,46
216,34
208,94
187,83
125,10
84,76
917,60
2013
26,49
66,13
212,63
214,30
190,93
129,71
87,12
927,32
2014
24,86
66,28
208,32
220,43
194,03
135,10
89,03
938,05
2015
22,80
66,45
204,68
225,79
195,53
139,71
90,95
945,91
(2)
(3)
(4)
32,95
78,63
208,40
2007
32,72
75,67
212,90
2008
32,27
72,78
2009
31,85
2010
tp :// w
w
(1)
2006
w
.b p
15-19
ht
Tahun
s. go
Tabel D.33. Proyeksi Angkatan Kerja Perempuan menurut Kelompok Umur Provinsi DI Yogyakarta, 2006-2015 (dalam ribuan)
105
w
tp :// w
ht .b p
w
LAMPIRAN .id
s. go
Tabel L.1. Survival Ratio Laki-laki menurut Level Berdasarkan Life Table Coale Demeny Model West Laki-laki Survival Ratio (Sx) 16
17
18
19
20
21
22
23
24
25
0
0.87123
0.88680
0.90147
0.91567
0.92938
0.94261
0.95540
0.96690
0.97720
0.98598
0.99270
1
0.95835
0.96464
0.97088
0.97664
0.98196
0.98689
0.99105
0.99409
0.99650
0.99822
0.99927
5
0.98714
0.98880
0.99038
0.99190
0.99335
0.99473
0.99598
0.99708
0.99806
0.99887
0.99945
10
0.98540
0.98709
0.98874
0.99033
0.99186
0.99333
0.99470
0.99600
0.99721
0.99826
0.99908
15
0.97873
0.98110
0.98339
0.98561
0.98775
0.98981
0.99181
0.99374
0.99557
0.99718
0.99847
20
0.97382
0.97682
0.97972
0.98252
0.98521
0.98778
0.99026
0.99264
0.99485
0.99678
0.99829
25
0.97086
0.97429
0.97761
0.98080
0.98386
0.98680
0.98953
0.99215
0.99458
0.99667
0.99827
30
0.96585
0.96981
0.97363
0.97732
0.98087
0.98427
0.98740
0.99050
0.99338
0.99588
0.99783
35
0.95791
0.96244
0.96685
0.97114
0.97528
0.97928
0.98294
0.98678
0.99047
0.99379
0.99651
40
0.94647
0.95144
0.95635
0.96116
0.96587
0.97044
0.97466
0.97948
0.98434
0.98899
0.99316
45
0.92922
0.93468
0.94014
0.94555
0.95090
0.95615
0.96107
0.96716
0.97358
0.98012
0.98646
50
0.90386
0.90987
0.91593
0.92200
0.92805
0.93403
0.93982
0.94733
0.95559
0.96446
0.97368
55
0.86632
0.87308
0.87995
0.88689
0.89386
0.90080
0.90777
0.91712
0.92772
0.93959
0.95261
60
0.81209
0.81990
0.82788
0.83599
0.84417
0.85236
0.86075
0.87229
0.88569
0.90113
0.91873
65
0.73695
0.74557
0.75443
0.76347
0.77264
0.78186
0.79147
0.80512
0.82127
0.84041
0.86305
70
0.62633
0.63577
0.64552
0.65553
0.66572
0.67602
0.68684
0.70272
0.72179
0.74493
0.77320
75
0.48664
0.49712
0.50800
0.51923
0.53072
0.54242
0.55476
0.57321
0.59567
0.62342
0.65807
ht
tp :// w
w
w
s. go
15
.id
Level
.b p
Umur
109
109
110
Tabel L.2. Survival Ratio Laki-laki menurut Level Berdasarkan Life Table Coale Demeny Model West Perempuan Survival Ratio (Sx) Umur
109 74
16
17
18
19
20
21
22
23
24
25
0,88827 0,96015 0,98696 0,98523 0,97995 0,97562 0,97226 0,96853 0,96417 0,95807 0,94649 0,92763 0,89713 0,84991 0,77968 0,67179 0,53600
0,90267 0,96722 0,98899 0,98743 0,98281 0,97899 0,97595 0,97247 0,96820 0,96205 0,95081 0,93277 0,90359 0,85787 0,78879 0,68198 0,54725
0,91645 0,97359 0,99087 0,98949 0,98549 0,98214 0,97943 0,97623 0,97289 0,96597 0,95511 0,93792 0,91011 0,86593 0,79811 0,69245 0,55889
0,92966 0,97935 0,99263 0,99141 0,98799 0,98510 0,98272 0,97981 0,97585 0,96979 0,95937 0,94305 0,91664 0,87406 0,80756 0,70314 0,57088
0,94230 0,98459 0,99427 0,99321 0,99032 0,98787 0,98581 0,98321 0,97945 0,97351 0,96355 0,94812 0,92314 0,88220 0,81710 0,71400 0,58313
0,95442 0,98939 0,99581 0,99490 0,99251 0,99047 0,98873 0,98643 0,98290 0,97711 0,96763 0,95311 0,92956 0,89029 0,82664 0,72493 0,59556
0,96591 0,99333 0,99714 0,99645 0,99466 0,99302 0,99160 0,98962 0,98631 0,98070 0,97173 0,95815 0,93609 0,89855 0,83656 0,73635 0,60864
0,97542 0,99589 0,99812 0,99763 0,99646 0,99536 0,99422 0,99250 0,98960 0,98453 0,97647 0,96426 0,94431 0,90948 0,85041 0,75306 0,62832
0,98379 0,99777 0,99891 0,99859 0,99784 0,99711 0,99631 0,99501 0,99267 0,98833 0,98140 0,97080 0,95334 0,92172 0,86626 0,77256 0,65168
0,99057 0,99899 0,99946 0,99928 0,99887 0,99845 0,99795 0,99708 0,99537 0,99193 0,98633 0,97759 0,96299 0,93527 0,88451 0,79576 0,68016
0,99544 0,99965 0,99979 0,99971 0,99953 0,99933 0,99907 0,99858 0,99750 0,99508 0,99098 0,98433 0,97296 0,94991 0,90527 0,82337 0,71510
s. go
.b p
w
w
tp :// w
.id
15
ht
0 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Level
Tabel L.3. Angka Kematian Bayi dan Angka Harapan Hidup menurut Jenis Kelamin dan Level Berdasarkan Life Table Coale Demeny Model West Perempuan LEVEL
IMR
Laki-laki e0
IMR
e0
144,69
47,50
174,20
44,50
13
128,73
50,00
154,69
47,08
14
113,89
52,50
136,58
49,55
15
100,23
55,00
16
87,36
57,50
17
75,10
18
63,46
19
52,47
20
42,10
21
32,02
22
23,29
24
106,25
54,12
60,00
92,46
56,46
62,50
79,23
58,83
65,00
66,61
61,22
67,50
54,64
63,64
70,00
42,82
66,03
72,50
31,85
68,57
15,51
75,00
22,04
71,20
9,13
77,50
13,65
73,91
4,47
80,00
7,16
76,65
w
w
.b p
s. go
51,82
ht
25
121,04
tp :// w
23
.id
12
111
111
112
Tabel L.4. Proyeksi Penduduk Provinsi DI Yogyakarta Hasil Sensus Penduduk 2000 (dalam ribuan), 2000-2015
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
194
196
198
199
200
200
202
203
205
206
206
207
208
209
210
210
5- 9
253
242
231
219
208
197
198
199
200
202
203
204
205
206
208
209
10-14
253
255
257
257
256
254
244
234
223
210
197
200
202
203
204
203
15-19
311
307
300
291
279
265
269
271
271
269
266
258
248
237
223
206
20-24
323
326
331
337
344
353
341
330
319
310
301
299
298
298
299
302
25-29
276
286
299
315
332
346
348
354
362
371
379
363
348
336
327
323
30-34
250
255
257
259
261
267
284
298
311
323
335
348
358
365
369
367
35-39
237
240
242
244
245
246
247
249
251
256
263
274
287
302
317
330
40-44
210
216
222
227
232
235
237
239
240
242
243
244
246
248
253
261
45-49
171
178
186
193
200
206
213
218
223
228
231
234
236
237
238
240
50-54
138
142
148
154
160
167
174
181
188
195
202
208
214
219
223
226
55-59
127
127
128
129
130
133
137
142
148
154
161
168
175
182
189
196
60-64
120
119
119
119
119
119
120
120
121
123
125
129
135
140
147
153
65-69
100
101
103
105
106
109
109
108
108
108
108
109
109
110
112
115
70-74
78
77
77
78
81
84
86
88
90
91
93
94
95
95
95
94
75+
79
83
87
91
94
97
101
104
107
110
113
117
121
125
129
133
3.120
3.152
3.184
3.216
3.247
3.278
3.308
3.338
3.368
3.398
3.427
3.456
3.484
3.513
3.542
3.569
s. go
.b p
w w
tp :// w
.id
0- 4
ht
2000
Total
112 76
Tahun
Kelompok Umur
Tabel L.5. Proyeksi Penduduk Laki-Laki Usia Kerja Provinsi DI Yogyakarta Hasil Sensus Penduduk 2000 (dalam ribuan), 2000-2015 Tahun 2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
159
157
154
149
143
135
138
139
139
20-24
166
168
172
175
180
185
179
173
167
25-34
260
269
278
289
303
316
328
339
35-44
217
220
224
227
230
231
232
45-54
150
156
164
170
176
182
189
55-64
115
115
116
116
117
118
65+
122
122
124
127
129
1.189
1.207
1.232
1.253
1.278
132
127
122
114
105
163
157
156
156
156
156
158
352
366
379
378
375
373
372
369
235
236
241
246
254
264
274
286
300
194
199
205
209
213
216
218
219
222
122
124
129
133
137
143
149
155
162
169
133
135
135
136
138
139
143
144
145
148
151
1.300
1.323
1.339
1.358
1.383
1.402
1.419
1.431
1.443
1.457
1.474
s. go
.b p
w
ht
tp :// w
137
.id
15-19
Total
135
w
Kelompok Umur
113
110
114
Tabel L.6. Proyeksi Penduduk Perempuan Usia Kerja Provinsi DI Yogyakarta Hasil Sensus Penduduk 2000 (dalam ribuan), 2006-2015 Tahun 2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
152
150
146
142
136
130
131
132
132
20-24
157
158
159
162
164
168
162
157
152
25-34
266
272
278
285
290
297
304
313
35-44
230
236
240
244
247
250
252
45-54
159
164
170
177
184
191
198
55-64
132
131
131
132
132
134
65+
135
139
143
147
152
1.231
1.250
1.267
1.289
1.305
126
121
115
109
101
147
144
143
142
142
143
144
321
328
335
333
331
328
324
321
253
255
257
260
264
269
276
284
291
205
212
218
224
229
234
238
242
244
135
138
140
144
149
154
161
167
174
180
157
161
165
169
171
175
177
181
185
188
191
1.327
1.343
1.363
1.381
1.397
1.418
1.426
1.439
1.451
1.464
1.472
s. go
.b p
w
tp :// w
ht 114 78
132
.id
15-19
Total
131
w
Kelompok Umur
Tabel L.7. Proyeksi Tingkat Partisipasi Angkatan Kerja (TPAK) Laki-Laki dan Perempuan Menurut Kelompok Umur Provinsi DI Yogyakarta, 2000-2015 Tahun
Kelompok Umur
2007
2008
2009
2010
2011
2012
2013
2014
2015
P
L
P
L
P
L
P
L
P
L
P
L
P
L
P
L
P
L
P
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
(18)
(19)
(20)
(21)
15-19
33,5
25,2
33,1
24,8
32,7
24,4
32,3
24,1
32,0
23,8
31,7
31,4
23,3
31,1
23,0
30,9
22,8
30,6
22,6
20-24
53,7
48,5
53,4
48,2
53,2
47,9
53,0
47,6
52,8
47,3
52,6
47,1
52,4
46,8
52,2
46,6
52,1
46,4
51,9
46,1
25-34
90,2
68,6
90,2
68,0
90,2
67,5
90,2
67,0
90,2
66,4
90,2
65,9
90,2
65,4
90,1
64,8
90,1
64,3
90,1
63,8
35-44
98,5
77,9
98,5
77,8
98,5
77,8
98,5
77,8
98,5
77,7
98,5
77,7
98,5
77,7
98,5
77,6
98,5
77,6
98,5
77,6
45-54
97,3
80,6
97,3
80,5
97,3
80,5
97,3
80,4
97,3
80,4
97,3
80,3
97,3
80,3
97,3
80,2
97,3
80,2
97,3
80,1
55-64
89,5
77,9
89,6
77,9
89,6
77,8
89,6
77,8
89,7
77,8
89,7
77,7
89,8
77,7
89,8
77,7
89,8
77,6
89,9
77,6
65+
64,3
45,2
64,2
45,5
64,1
45,8
63,9
46,0
63,8
46,3
63,7
46,6
63,6
46,8
63,5
47,1
63,4
47,4
63,4
47,6
.id
L
.b p
2006
ht
tp :// w
w
w
s. go
23,6
Keterangan : L=Laki-laki, P=Perempuan
115
115
116
Tabel L.8. Proyeksi Angkatan Kerja Laki-Laki dan Perempuan Menurut Kelompok Umur Provinsi DI Yogyakarta, (dalam ribuan) 2006-2015 Tahun
Kelompok Umur
2007
2008
2009
2010
2011
2012
2013
2014
2015
P
L
P
L
P
L
P
L
P
L
P
L
P
L
P
L
P
L
P
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
(18)
(19)
(20)
(21)
46,2
33,0
45,9
32,7
45,4
32,3
44,3
31,9
43,2
31,2
20-24
96,1
78,6
92,4
75,7
88,8
72,8
86,4
70,0
82,9
68,1
25-34
296,0
208,4
305,8
212,9
317,5
216,6
330,1
219,6
341,8
35-44
228,5
196,2
231,5
196,9
232,4
198,4
237,3
199,8
45-54
183,9
159,6
188,7
165,1
193,6
170,6
55-64
109,2
105,2
111,0
107,5
115,6
109,0
65+
86,8
72,8
86,7
75,1
87,1
77,4
Total
1.046,6
853,8
1.062,1
865,9
1.080,5
877,0
29,7
39,9
28,2
38,0
26,5
35,2
24,9
32,1
22,8
82,0
67,3
81,8
66,5
81,5
66,1
81,2
66,3
82,0
66,4
222,5
340,8
219,4
338,1
216,3
336,2
212,6
335,3
208,3
332,5
204,7
202,1
250,1
205,1
260,0
208,9
269,8
214,3
281,6
220,4
295,4
225,8
.b p
tp :// w
w
242,3
41,8
s. go
15-19
.id
L
w
(1)
2006
175,3
203,3
180,0
207,2
183,9
210,1
187,8
212,1
190,9
213,0
194,0
216,0
195,5
119,2
112,0
122,9
115,9
128,3
119,7
133,7
125,1
139,2
129,7
145,5
135,1
151,9
139,7
88,2
78,7
88,7
81,0
91,1
82,4
91,6
84,8
92,1
87,1
93,9
89,0
95,7
91,0
1.105,0
887,3
1.125,0
900,9
1.141,5
907,6
1.155,2
917,6
1.168,9
927,3
1.185,8
938,0
1.205,6
945,9
ht
199,4
Keterangan : L=Laki-laki, P=Perempuan
116 80
DAFTAR PUSTAKA
Ansley J. Coale and Paul Demeny. 1966. Regional Model Life tables and Stable Populations. New Jersey: Princeton University Press Badan Perencanaan Pembangunan Nasional, Badan Pusat Statistik dan United Nations Population Fund. 2005. “Proyeksi Penduduk Indonesia (Indonesia Population Projection) 2000-2025”. Jakarta. Badan Pusat Statistik. 2010. ”Metode Penghitungan Proyeksi Penduduk Wilayah Administrasi kecil (Tingkat Kabupaten/Kota)”. Jakarta.
.id
Badan Pusat Statistik. 2001. Estimasi Fertilitas, Mortalitas dan Migrasi Hasil Sensus Penduduk Tahun 2000. Jakarta: Sub Direktorat Statistik Demografi
s. go
Badan Pusat Statistik, 2006. Estimasi Fertilitas, Mortalitas dan Migrasi, Hasil SUPAS Tahun 2005. Jakarta: Sub Direktorat Statistik Demografi
.b p
Bogue, D.J., 1969. Principle of Demography. New York: Jhon Wiley and Son.
tp :// w
w
w
Iskandar, N. 1977. Demografi Teknik. Lembaga Demografi Fakultas Ekonomi Universitas Indonesia: Depok, Jawa Barat Mantra, I.B., 2009. Demografi Umum. Yogyakarta: Pustaka Pelajar.
ht
Rowland, Donald T. 2003. Demographic Methods and Concepts. Oxford University Press: New York. Smith, David P. 1992. “Formal Demography”. New York: Plenum Press. Siegel, Jacob S. dan David A. Swanson. 2004. The Methods and Materials of Demography (Second Edition). Elsevier Academic Press, San Diego: California. Tim Penulis LDFEUI, (Editor: Adioetomo, Sri M & Samosir, O B). 2010. Dasar-dasar Demografi. LDFEUI, Salemba Empat: Jakarta.
117
.id s. go .b p w
ht
tp :// w
w
MENCERDASKAN BANGSA
BADAN PUSAT STATISTIK Jl. Dr. Sutomo No. 6-8 Jakarta 10710 Telp. (021) 3841195, 3842508, 3810291-4. Fax: (021) 3857046 Homepage: http://www.bps.go.id. Email:
[email protected]